声明
致谢
摘要
1.1 课题研究的背景与意义
1.2 国内外研究现状及发展趋势
1.2.1 微观时间尺度的锂离子电池状态估计
1.2.2 宏观时间尺度的锂离子电池衰退性能评估
1.3 现有研究结果的空白与不足
1.3.1 微观时间尺度电池状态估计中的难点与不足
1.3.2 宏观时间尺度电池衰退性能评估中的难点与不足
1.4 数据驱动方法
1.4.1 数据驱动方法的发展现状
1.4.2 数据驱动方法的优势
1.5 研究意义及主要工作
1.5.1 论文的研究意义
1.5.2 论文的章节安排
2 数据驱动下的电池SOC估计
2.1 电池的OCV-SOC映射关系
2.1.1 数据来源及获取方式
2.1.2 OCV-SOC曲线的温度依赖性
2.2 基于离线数据的电池模型参数辨识
2.2.1 电池模型的选择
2.2.2 模型参数的辨识
2.3 基于无迹卡尔曼滤波的电池SOC在线估计
2.3.1 无迹卡尔曼滤波
2.3.2 在线SOC估计结果分析
2.4 本章小结
3 数据驱动下的电池SOP估计
3.1 电池SOP及其影响因素的数据分析
3.1.1 数据来源及获取方式
3.1.2 数据的统计特性分析
3.2 电池SOP估计的参数模型
3.2.1 OCV-SOC曲线的函数表达式
3.2.2 电池SOP的温度依赖性
3.3 电池SOP估计的非参数模型
3.3.1 支持向量机
3.3.2 非参数模型的训练
3.4 电池SOP估计结果及分析
3.5 本章小结
4 数据驱动下的电池RUL预测
4.1 电池的性能衰退模式分析
4.1.1 性能衰退原因分析
4.1.2 循环寿命测试实验
4.1.3 容量及内阻衰减趋势
4.2 电池寿命预测方法
4.2.1 贝叶斯定理
4.2.2 贝叶斯寿命预测
4.3 电池RUL预测结果及验证
4.3.1 电池RUL预测结果及分析
4.3.2 电池RUL预测方法的验证
4.4 本章小结
5 数据驱动下的失效电池识别
5.1 基于ICA的电池性能衰退特征分析
5.1.1 数据来源及IC分析方法
5.1.2 IC曲线的特征变量
5.2 基于Elastic Net的特征变量提取方法
5.2.1 Elastic Net方法
5.2.2 IC曲线特征变量提取结果
5.3 基于线性判别式分析的失效电池识别模型
5.3.1 线性判别分析
5.3.2 失效电池识别模型
5.4 失效电池识别结果及分析
5.5 本章小结
6 数据驱动在电池梯次利用领域的应用
6.1 大规模电动汽车退运电池的容量快速估计方法
6.1.1 退运电池容量与内阻的Pearson相关性分析
6.1.2 基于GA-SVM的电池容量快速估计模型
6.1.3 大规模退运电池的容量快速估计结果分析
6.2 面向筛选配组应用的梯次利用电池性能评价方法
6.2.1 基于德尔菲法的电池综合性能评价指标选取
6.2.2 基于灰色关联度分析的电池综合性能评价模型
6.2.3 梯次利用电池综合性能评价模型验证
6.3 本章小结
7.1 研究内容总结
7.2 论文主要创新点
7.3 研究工作展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集