基于深度学习的锂电池剩余寿命预测系统设计文献综述
摘要:锂离子电池是目前最具发展潜力的新能源之一,受到广泛的使用。但随着充放电过程的进行,其电池性能逐渐退化。因此,为了使锂电池在各大领域应用时保持健康状态,需对锂电池的剩余寿命进行预测。预测方法有两类,分别为基于模型和数据驱动的方法,本文以深度学习为核心方法,通过对国内外锂电池剩余寿命预测方法进行研究,分析总结相关文献使用的各类方法,从而进一步提出自己的研究方法。
关键词:锂离子电池;剩余寿命;电池容量;深度学习
一、前言
锂离子电池因其工作电压高、比能大、无记忆效应、循环寿命长以及自放电率小等优点已被广泛应用于生活中的很多领域[1]。但随着充放电次数和行驶里程的增加,电池容量不断衰减。从实际应用来看, 对锂离子电池的健康状态有效地进行估计和预测, 能够更加有利于电池维护及运行, 对防止灾难性事故的发生具有重要意义。
本文将通过分析研究锂离子电池的容量退化现象,通过深度学习的方法抽取电池容量退化的内在特性和规律,借助容量退化序列的事件依赖性对电池的未来循环周期内的容量变化做出准确预测,从而预测锂电池的剩余寿命[2]。
- 正文
1 研究背景
当今世界,随着工业的不断发展,对石油这类不可再生资源的需求日益增加,但这类传统能源是有限的,我们迫切需要新的能源来满足工业发展。在汽车领域,新能源汽车蓬勃发展起来,这类高效且污染少的交通工具对世界发展和环境保护发挥了重要意义。
其中,在对电动汽车的研究中,汽车电池为一个核心问题,而在众多类型的电池中,锂离子电池凭借其稳定的电化学特性、污染少、寿命长等优点脱颖而出,走进大众的视野,逐渐被人们广泛使用。但由于锂电池复杂的电化学机理以及相对较晚的市场应用,国内在这方面的研发工作尚不成熟,在实际应用中很难建立准确的退化机理模型来预测锂电池的剩余寿命。锂离子电池的剩余寿命预测已成为一个具有理论研究意义和实际应用价值的热点研究问题,对改善纯电动汽车的使用寿命和应用推广具有重要意义。
以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。