基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对锂离子电池寿命预测中模型普适性差、预测精度不足等问题,提出一种基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命RUL预测方法.首先构造锂离子电池实际容量与其循环周期的退化机理模型.对锂离子电池寿命试验数据进行凸优化降噪处理;基于预处理得到的可靠性较高的数据,采用最小二乘法对所建机理模型的参数进行辨识,从而得到精确的模型表达式,实现锂离子电池RUL的预测.基于NASA锂离子电池数据集预测并评估锂离子电池的RUL,预测结果验证了模型良好的通用性,误差范围为4%左右.
推荐文章
基于IGA-MRVR的锂离子电池剩余使用寿命预测
电动汽车
锂电池
剩余使用寿命
多核相关向量回归算法
改进遗传算法优化
预测
基于卷积神经网络与双向长短时融合的锂离子电池剩余使用寿命预测
锂离子电池
剩余使用寿命预测
融合神经网络
一维卷积神经网络
双向长短期记忆
锂离子电池状态估计与剩余寿命预测方法综述
锂离子电池
荷电状态(SOC)估算
健康度(SOH)估算
剩余寿命(RUL)预测
基于数据驱动的卫星锂离子电池寿命预测方法
锂离子电池
寿命预测
数据驱动
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命预测
来源期刊 电力系统及其自动化学报 学科 工学
关键词 剩余使用寿命 寿命参数退化机理模型 凸优化 参数辨识
年,卷(期) 2019,(3) 所属期刊栏目 学术论文
研究方向 页码范围 23-28
页数 6页 分类号 TM912|TP206+.3
字数 4081字 语种 中文
DOI 10.3969/j.issn.1003-8930.2019.03.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姜媛媛 安徽理工大学电气与信息工程学院 57 320 9.0 16.0
5 沈静静 安徽理工大学电气与信息工程学院 6 9 2.0 3.0
6 楚军 安徽理工大学电气与信息工程学院 3 6 2.0 2.0
7 曾文文 安徽理工大学电气与信息工程学院 2 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (41)
二级引证文献  (1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(6)
  • 参考文献(6)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
剩余使用寿命
寿命参数退化机理模型
凸优化
参数辨识
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统及其自动化学报
月刊
1003-8930
12-1251/TM
大16开
天津市南开区天津大学电气与自动化工程学院
1989
chi
出版文献量(篇)
3958
总下载数(次)
6
总被引数(次)
53050
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导