基于数据驱动的锂电池健康状态预测开题报告

全文总字数：4844字

1. 研究目的与意义（文献综述）

1.1目的及意义

随着电动汽车行业的飞速发展，对锂离子电池寿命问题的研究成为近些年的热点。锂离子电池具有电压高、能量密度高、循环寿命长、自放电率低、工作温度范围大、无记忆效应和无污染等优点。但锂离子电池在长期的循环使用过程中，一个不可避免的问题是电池的性能和容量都会发生衰退，直到它的寿命结束。要对其退化的电池健康状态进行评估和剩余寿命预测，使得电池能够安全可靠地工作，以避免事故的发生。研究锂电池健康状态soh预测，对系统整体的安全性、稳定性和经济性具有重要意义。

1．2国内外研究现状

2. 研究的基本内容与方案

2.1 基本内容

数据驱动的三种方法

人工神经网络（artificial neural network,ann）：ann的基本特性是非线性，适合模拟动力电池，且能达到较高的精度，但需大量的、全面的样本数据对模型进行训练，且估计误差在很大程度上受训练数据的影响。

3. 研究计划与安排

第1-3周:阅读相关文献，查阅国内外相关文献，了解锂电池健康状态预测内容，完成英文文献的翻译，完成开题报告。

第4-9周:学习matlab（或python）软件与支持向量回归原理，并在matlab（或python）上实现对svr模型训练与最优参数的确定。

第9-13周:完成论文的初稿。

4. 参考文献（12篇以上）

[1]周志兴,贾志学,雷治国.锂离子电池寿命研究综述[j].机电技术,2019,(3):117-120.

[2]陈翌,白云飞,何瑛.数据驱动的锂电池健康状态估算方法比较[j].储能科学与技术,2019,8(6):1204-1210.

[3]刘皓，胡明昕，朱一亨，等．基于遗传算法和支持向量回归的锂电池健康状态预测［j].南京理工大学学报，2018，42( 3) : 329－334．