期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于容量增量曲线与充电容量差的电池组微短路诊断方法
被引量:
5
1
作者
张健豪
高兴奇
张莉
《汽车工程》
EI
CSCD
北大核心
2023年第2期191-198,230,共9页
目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测,为此本文提出了一种基于电池充电容量增量(IC)曲线和充电容量差(DCC)变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系,利用小波...
目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测,为此本文提出了一种基于电池充电容量增量(IC)曲线和充电容量差(DCC)变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系,利用小波变换对IC曲线进行降噪,得出在不同电流倍率和温度下IC曲线最高峰(ICPV)与电池荷电状态(SOC)唯一对应。然后提出利用充电容量差DCC描述存在内短路的故障电池与正常电池的SOC差异,并据此得出锂电池微短路的量化方法。最后通过仿真分析与实验验证表明,在不同工况下循环测试均可获得电池微短路的量化信息,且诊断最大误差均小于8.12%。
展开更多
关键词
锂离子电池
微短路诊断
充电容量增量
充电
容量
差
下载PDF
职称材料
基于K近邻回归的锂离子电池健康状态估计
被引量:
5
2
作者
孙广明
贾新羽
陈良亮
《电源技术》
CAS
北大核心
2022年第8期872-875,共4页
锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考。从三元锂离子电池充电过程中的容量增量曲线上提取...
锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考。从三元锂离子电池充电过程中的容量增量曲线上提取表征三元锂离子电池的健康状态参数,然后利用K近邻算法对三元锂离子电池的健康状态进行估计。利用K近邻回归的机器学习方法拟合了电池衰退轨迹,基于K近邻的电池SOH估计的决定系数R2>0.98。
展开更多
关键词
锂离子电池
机器学习
健康状态估计
充电容量增量
曲线
K近邻回归
下载PDF
职称材料
题名
基于容量增量曲线与充电容量差的电池组微短路诊断方法
被引量:
5
1
作者
张健豪
高兴奇
张莉
机构
大连理工大学电气工程学院
出处
《汽车工程》
EI
CSCD
北大核心
2023年第2期191-198,230,共9页
基金
国家自然科学基金(51577022)资助。
文摘
目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测,为此本文提出了一种基于电池充电容量增量(IC)曲线和充电容量差(DCC)变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系,利用小波变换对IC曲线进行降噪,得出在不同电流倍率和温度下IC曲线最高峰(ICPV)与电池荷电状态(SOC)唯一对应。然后提出利用充电容量差DCC描述存在内短路的故障电池与正常电池的SOC差异,并据此得出锂电池微短路的量化方法。最后通过仿真分析与实验验证表明,在不同工况下循环测试均可获得电池微短路的量化信息,且诊断最大误差均小于8.12%。
关键词
锂离子电池
微短路诊断
充电容量增量
充电
容量
差
Keywords
lithium-ion battery
micro-short-circuit diagnosis
charge capacity increment(IC)
charge capacity difference(DCC)
分类号
TM912 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
基于K近邻回归的锂离子电池健康状态估计
被引量:
5
2
作者
孙广明
贾新羽
陈良亮
机构
南瑞集团(国网电力科学研究院)有限公司
国电南瑞科技股份有限公司
北京交通大学国家能源主动配电网研究中心
出处
《电源技术》
CAS
北大核心
2022年第8期872-875,共4页
基金
国家重点研发计划科技助力经济2020重点专项(2020YFB0100300ZL)。
文摘
锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考。从三元锂离子电池充电过程中的容量增量曲线上提取表征三元锂离子电池的健康状态参数,然后利用K近邻算法对三元锂离子电池的健康状态进行估计。利用K近邻回归的机器学习方法拟合了电池衰退轨迹,基于K近邻的电池SOH估计的决定系数R2>0.98。
关键词
锂离子电池
机器学习
健康状态估计
充电容量增量
曲线
K近邻回归
Keywords
Li-ion battery
machine learning
SOH estimation
charge capacity increment curve
K nearest neighbour regression
分类号
TM912.9 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于容量增量曲线与充电容量差的电池组微短路诊断方法
张健豪
高兴奇
张莉
《汽车工程》
EI
CSCD
北大核心
2023
5
下载PDF
职称材料
2
基于K近邻回归的锂离子电池健康状态估计
孙广明
贾新羽
陈良亮
《电源技术》
CAS
北大核心
2022
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部