《動力電池管理系統核心算法》是2018年機械工業出版社出版的圖書,作者是熊瑞。
基本介紹
- 書名:動力電池管理系統核心算法
- 作者:熊瑞
- ISBN:9787111608646
- 頁數:248頁
- 定價:79.9元
- 出版社:機械工業出版社
- 出版時間:2018年11月
- 裝幀:平裝
- 開本:16開
內容簡介,圖書目錄,
內容簡介
《動力電池管理系統核心算法》結合作者十多年來的研究實踐,闡述了動力電池管理系統的特點與技術難題,針對新能源汽車套用,詳細闡述了動力電池系統實驗設計、動態建模、荷電狀態估計、健康狀態估計、峰值功率預測、剩餘壽命預測、低溫快速加熱與最佳化充電以及相應核心算法的工程套用和實踐問題,並配有詳細的算法實踐步驟和開發流程,可作為相關領域技術人員的參考用書,也可以作為汽車專業的高年級本科生和研究生的專業課教科書。
圖書目錄
叢書序
前言
第1章 動力電池及其管理概述1
1.1 我國新能源汽車的發展規劃1
1.2 動力電池及管理系統的套用要求3
1.2.1 純電動汽車4
1.2.2 混合動力汽車4
1.2.3 插電式混合動力汽車5
1.2.4 相關研發指標6
1.3 動力電池6
1.3.1 動力電池的發展背景6
1.3.2 鋰離子動力電池的原理與分類8
1.3.3 磷酸鐵鋰鋰離子動力電池10
1.3.4 三元鋰離子動力電池12
1.4 動力電池管理系統14
1.4.1 BMS的基本功能15
1.4.2 BMS的拓撲結構16
1.4.3 BMS的開發流程18
1.5 本章小結19
第2章 動力電池測試20
2.1 動力電池系統測試平台20
2.1.1 充放電性能測試設備20
2.1.2 頻域-阻抗特性測試設備22
2.1.3 環境模擬設備23
2.1.4 動力電池測試平台24
2.2 動力電池測試流程26
2.2.1 國內外測試標準介紹26
2.2.2 BMS算法開發與實驗設計26
2.2.3 動力電池常規電性能測試28
2.2.4 交流阻抗測試32
2.2.5 剩餘壽命測試35
2.3 動力電池測試數據37
2.4 動力電池實驗特性分析38
2.4.1 動力電池的溫度特性38
2.4.2 動力電池的性能衰退特性41
2.4.3 動力電池的壽命特性43
2.5 本章小結48
第3章 動力電池建模理論49
3.1 電化學模型49
3.1.1 模型介紹49
3.1.2 模型構建50
3.1.3 參數辨識61
3.1.4 算例分析62
3.2 等效電路模型64
3.2.1 模型介紹64
3.2.2 模型構建67
3.2.3 參數辨識68
3.2.4 算例分析73
3.3 分數階模型77
3.3.1 模型介紹77
3.3.2 模型構建79
3.3.3 參數辨識80
3.3.4 算例分析80
3.4 本章小結83
第4章 動力電池SOC和SOH估計84
4.1 SOC估計84
4.1.1 SOC估計分類84
4.1.2 基於模型的SOC估計方法89
4.1.3 基於AEKF算法的動力電池SOC估計91
4.1.4 基於HIF算法的動力電池SOC估計97
4.2 動力電池SOH估計100
4.2.1 動力電池SOH方法分類100
4.2.2 基於SOC估計值的動力電池可用容量估計方法105
4.2.3 基於回響面的動力電池可用容量估計方法110
4.2.4 基於ICA/DVA的SOH估計方法114
4.3 基於多時間尺度的動力電池SOC-SOH協同估計119
4.3.1 問題描述119
4.3.2 基於MAEKF的協同估計方法120
4.3.3 基於MHIF的協同估計方法129
4.4 本章小結133
第5章 動力電池系統狀態估計134
5.1 動力電池系統成組分析134
5.1.1 動力電池組的“掃帚”現象134
5.1.2 串聯與並聯動力電池組135
5.1.3 典型混聯電池組的性能分析136
5.2 動力電池組狀態估計141
5.2.1 電池組的不一致性分析141
5.2.2 動力電池篩選方法142
5.2.3 不一致性的量化方法148
5.2.4 動力電池組系統建模151
5.2.5 基於特徵單體的動力電池組狀態估計153
5.3 動力電池SOP預測157
5.3.1 典型瞬時SOP預測方法157
5.3.2 持續SOP預測方法165
5.3.3 動力電池SOC與SOP聯合估計167
5.3.4 SOP評價方法介紹173
5.4 本章小結176
第6章 動力電池剩餘壽命預測177
6.1 剩餘壽命預測的概述177
6.1.1 問題描述177
6.1.2 方法分類178
6.1.3 機率分布183
6.2 基於Box-Cox變換的剩餘壽命預測185
6.2.1 Box-Cox變換技術185
6.2.2 套用流程186
6.2.3 算例分析188
6.3 基於長短時記憶循環神經網路的剩餘壽命預測191
6.3.1 長短時記憶循環神經網路192
6.3.2 套用流程193
6.3.3 算例分析196
6.4 本章小結198
第7章 動力電池低溫加熱和最佳化充電199
7.1 動力電池低溫加熱方法分類199
7.1.1 空氣加熱法200
7.1.2 寬線金屬膜加熱法200
7.1.3 動力電池內部交流電加熱法200
7.1.4 動力電池內部自加熱法201
7.1.5 其他加熱法202
7.2 交流加熱原理202
7.2.1 鋰離子動力電池的生熱機理202
7.2.2 交流加熱機理203
7.3 自適應梯度加熱方法205
7.3.1 問題描述205
7.3.2 自適應梯度加熱方法207
7.3.3 自適應梯度加熱流程209
7.3.4 算例分析210
7.4 動力電池最佳化充電213
7.4.1 恆流恆壓充電213
7.4.2 多階恆流充電213
7.4.3 脈衝充電214
7.4.4 基於模型的充電方法215
7.4.5 套用算例217
7.5 本章小結219
第8章 算法開發、