為應(yīng)對(duì)汽車工業(yè)所面臨的環(huán)境污染,能源短缺和氣候變暖等挑戰(zhàn)。電動(dòng)汽車(EV)在政府和企業(yè)的支持下發(fā)展迅速。鋰離子電池因具有安全性能好,能量密度高和自放電率低等優(yōu)點(diǎn),而被廣泛應(yīng)用于電動(dòng)汽車儲(chǔ)能。然而,鋰離子電池的壽命制約了電動(dòng)汽車的進(jìn)一步推廣和發(fā)展。荷電狀態(tài)(SOC)和健康狀態(tài)(SOH)是鋰離子電池的兩個(gè)至關(guān)重要的指標(biāo)。高精度的鋰離子電池的SOC估算和SOH預(yù)測(cè),可避免電池過充電,過放電和過熱,從而延長(zhǎng)電池的使用壽命。因此,急需對(duì)電池的SOC和SOH進(jìn)行準(zhǔn)確估計(jì)。本文結(jié)合了國(guó)內(nèi)外對(duì)鋰離子電池的荷電狀態(tài)和健康狀態(tài)研究現(xiàn)狀,重點(diǎn)對(duì)如何精確估算鋰離子電池的SOC和SOH進(jìn)行研究,主要研究?jī)?nèi)容包括:一、鋰離子電池的荷電狀態(tài)預(yù)測(cè)(1)由于鋰離子電池的充放電過程是一個(gè)極其復(fù)雜的電化學(xué)反應(yīng)過程,具有非線性和時(shí)變性且對(duì)溫度和老化極度敏感,本文采用了XGBoost算法對(duì)鋰離子的荷電狀態(tài)進(jìn)行預(yù)測(cè)。該算法通過弱分類器進(jìn)行迭代計(jì)算,可以有效避免模型的過擬合,提高估算精度和魯棒性。實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法在鋰離子電池SOC預(yù)測(cè)上的高精度和強(qiáng)穩(wěn)健性。(2)為了進(jìn)一步提高鋰離子電池SOC預(yù)測(cè)的可靠性和準(zhǔn)確性,在不同放電倍率...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 鋰離子電池的研究現(xiàn)狀
        1.2.1 鋰離子電池的模型研究現(xiàn)狀
        1.2.2 鋰離子電池的SOC研究現(xiàn)狀
        1.2.3 鋰離子電池的SOH研究現(xiàn)狀
    1.3 論文的主要工作與結(jié)構(gòu)安排
第2章 鋰離子電池參數(shù)
    2.1 鋰離子電池介紹
    2.2 鋰離子電池的工作原理
    2.3 鋰離子電池的狀態(tài)參數(shù)
    2.4 鋰離子電池荷電狀態(tài)和健康狀態(tài)的影響因素
        2.4.1 鋰離子電池荷電狀態(tài)的影響因素
        2.4.2 鋰離子電池健康狀態(tài)的影響因素
    2.5 本章小結(jié)
第3章 鋰離子電池荷電狀態(tài)預(yù)測(cè)方法研究
    3.1 目前的荷電狀態(tài)預(yù)測(cè)方法
    3.2 基于XGBoost算法的荷電狀態(tài)預(yù)測(cè)方法研究
        3.2.1 理論與背景
        3.2.2 XGBoost概述
    3.3 基于XGBoost的鋰離子荷電狀態(tài)建模
    3.4 基于XGBoost的鋰離子荷電狀態(tài)預(yù)測(cè)
        3.4.1 實(shí)驗(yàn)結(jié)果
        3.4.2 結(jié)果分析
    3.5 基于XGBoost-ARIMA組合模型的鋰離子荷電狀態(tài)預(yù)測(cè)
        3.5.1 基于XGBoost-ARIMA的鋰離子電池SOC預(yù)測(cè)模型
        3.5.2 ARIMA概述
        3.5.3 基于XGBoost預(yù)測(cè)的殘差特性分析
        3.5.4 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 鋰離子電池健康狀態(tài)預(yù)測(cè)方法研究
    4.1 目前的健康狀態(tài)預(yù)測(cè)方法
    4.2 基于XGBoost算法的健康狀態(tài)預(yù)測(cè)方法研究
        4.2.1 特征選擇
        4.2.2 實(shí)驗(yàn)結(jié)果
        4.2.3 實(shí)驗(yàn)分析
    4.3 基于XGBoost-Markov Chain的鋰離子健康狀態(tài)預(yù)測(cè)
        4.3.1 馬爾科夫鏈概述
        4.3.2 馬爾科夫鏈校正
        4.3.3 基于MC-XGBoost建模
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的科研成果
致謝



本文編號(hào)：3826721