动力电池管理系统核心算法

《动力电池管理系统核心算法》结合作者十多年来的研究实践，阐述了动力电池管理系统的特点与技术难题，针对新能源汽车应用，详细阐述了动力电池系统实验设计、动态建模、荷电状态估计、健康状态估计、峰值功率预测、剩余寿命预测、低温快速加热与优化充电以及相应核心算法的工程应用和实践问题，并配有详细的算法实践步骤和开发流程，可作为相关领域技术人员的参考用书，也可以作为汽车专业的高年级本科生和研究生的专业课教科书。目录丛书序前言第1章　动力电池及其管理概述1　　1.1　我国新能源汽车的发展规划1　　1.2　动力电池及管理系统的应用要求3　　　　1.2.1　纯电动汽车4　　　　1.2.2　混合动力汽车4　　　　1.2.3　插电式混合动力汽车5　　　　1.2.4　相关研发指标6　　1.3　动力电池6　　　　1.3.1　动力电池的发展背景6　　　　1.3.2　锂离子动力电池的原理与分类8　　　　1.3.3　磷酸铁锂锂离子动力电池10　　　　1.3.4　三元锂离子动力电池12　　1.4　动力电池管理系统14　　　　1.4.1　BMS的基本功能15　　　　1.4.2　BMS的拓扑结构16　　　　1.4.3　BMS的开发流程18　　1.5　本章小结19第2章　动力电池测试20　　2.1　动力电池系统测试平台20　　　　2.1.1　充放电性能测试设备20　　　　2.1.2　频域-阻抗特性测试设备22　　　　2.1.3　环境模拟设备23　　　　2.1.4　动力电池测试平台24　　2.2　动力电池测试流程26　　　　2.2.1　国内外测试标准介绍26　　　　2.2.2　BMS算法开发与实验设计26　　　　2.2.3　动力电池常规电性能测试28　　　　2.2.4　交流阻抗测试32　　　　2.2.5　剩余寿命测试35　　2.3　动力电池测试数据37　　2.4　动力电池实验特性分析38　　　　2.4.1　动力电池的温度特性38　　　　2.4.2　动力电池的性能衰退特性41　　　　2.4.3　动力电池的寿命特性43　　2.5　本章小结48第3章　动力电池建模理论49　　3.1　电化学模型49　　　　3.1.1　模型介绍49　　　　3.1.2　模型构建50　　　　3.1.3　参数辨识61　　　　3.1.4　算例分析62　　3.2　等效电路模型64　　　　3.2.1　模型介绍64　　　　3.2.2　模型构建67　　　　3.2.3　参数辨识68　　　　3.2.4　算例分析73　　3.3　分数阶模型77　　　　3.3.1　模型介绍77　　　　3.3.2　模型构建79　　　　3.3.3　参数辨识80　　　　3.3.4　算例分析80　　3.4　本章小结83第4章　动力电池SOC和SOH估计84　　4.1　SOC估计84　　　　4.1.1　SOC估计分类84　　　　4.1.2　基于模型的SOC估计方法89　　　　4.1.3　基于AEKF算法的动力电池SOC估计91　　　　4.1.4　基于HIF算法的动力电池SOC估计97　　4.2　动力电池SOH估计100　　　　4.2.1　动力电池SOH方法分类100　　　　4.2.2　基于SOC估计值的动力电池可用容量估计方法105　　　　4.2.3　基于响应面的动力电池可用容量估计方法110　　　　4.2.4　基于ICA/DVA的SOH估计方法114　　4.3　基于多时间尺度的动力电池SOC-SOH协同估计119　　　　4.3.1　问题描述119　　　　4.3.2　基于MAEKF的协同估计方法120　　　　4.3.3　基于MHIF的协同估计方法129　　4.4　本章小结133第5章　动力电池系统状态估计134　　5.1　动力电池系统成组分析134　　　　5.1.1　动力电池组的“扫帚”现象134　　　　5.1.2　串联与并联动力电池组135　　　　5.1.3　典型混联电池组的性能分析136　　5.2　动力电池组状态估计141　　　　5.2.1　电池组的不一致性分析141　　　　5.2.2　动力电池筛选方法142　　　　5.2.3　不一致性的量化方法148　　　　5.2.4　动力电池组系统建模151　　　　5.2.5　基于特征单体的动力电池组状态估计153　　5.3　动力电池SOP预测157　　　　5.3.1　典型瞬时SOP预测方法157　　　　5.3.2　持续SOP预测方法165　　　　5.3.3　动力电池SOC与SOP联合估计167　　　　5.3.4　SOP评价方法介绍173　　5.4　本章小结176第6章　动力电池剩余寿命预测177　　6.1　剩余寿命预测的概述177　　　　6.1.1　问题描述177　　　　6.1.2　方法分类178　　　　6.1.3　概率分布183　　6.2　基于Box-Cox变换的剩余寿命预测185　　　　6.2.1　Box-Cox变换技术185　　　　6.2.2　应用流程186　　　　6.2.3　算例分析188　　6.3　基于长短时记忆循环神经网络的剩余寿命预测191　　　　6.3.1　长短时记忆循环神经网络192　　　　6.3.2　应用流程193　　　　6.3.3　算例分析196　　6.4　本章小结198第7章　动力电池低温加热和优化充电199　　7.1　动力电池低温加热方法分类199　　　　7.1.1　空气加热法200　　　　7.1.2　宽线金属膜加热法200　　　　7.1.3　动力电池内部交流电加热法200　　　　7.1.4　动力电池内部自加热法201　　　　7.1.5　其他加热法202　　7.2　交流加热原理202　　　　7.2.1　锂离子动力电池的生热机理202　　　　7.2.2　交流加热机理203　　7.3　自适应梯度加热方法205　　　　7.3.1　问题描述205　　　　7.3.2　自适应梯度加热方法207　　　　7.3.3　自适应梯度加热流程209　　　　7.3.4　算例分析210　　7.4　动力电池优化充电213　　　　7.4.1　恒流恒压充电213　　　　7.4.2　多阶恒流充电213　　　　7.4.3　脉冲充电214　　　　7.4.4　基于模型的充电方法215　　　　7.4.5　应用算例217　　7.5　本章小结219第8章　算法开发、测试与评价221　　8.1　算法开发流程221　　　　8.1.1　算法开发的一般流程221　　　　8.1.2　基于模型的“V”开发流程222　　8.2　快速原型仿真测试225　　　　8.2.1　系统构成225　　　　8.2.2　算法集成228　　　　8.2.3　算例分析230　　8.3　硬件在环算法测试234　　　　8.3.1　系统构成234　　　　8.3.2　算法集成236　　　　8.3.3　测试评价239　　8.4　实车实验验证242　　　　8.4.1　转鼓实验台测试242　　　　8.4.2　实际道路测试242　　8.5　本章小结243参考文献244

动力电池管理系统核心算法 EPUB, PDF, MOBI, AZW3, TXT, FB2, DjVu, Kindle电子书免费下载。