• Complex
  • Title
  • Keyword
  • Abstract
  • Scholars
  • Journal
  • ISSN
  • Conference
成果搜索

author:

李华森 (李华森.) [1] | 林琼斌 (林琼斌.) [2] | 詹银 (詹银.) [3] | 代妍妍 (代妍妍.) [4]

Abstract:

随着电动汽车快速增长和智能电网飞速发展的时代的到来,人们对电池的需求与日俱增。健康状态(SOH)是监测电池状态的关键参数,SOH决定了电池能否安全、稳定地运行。本文提出一种基于冲击响应特性的锂电池SOH快速估计方法。首先,本文提出了多种特征提取方法对冲击响应曲线进行特征提取,分别为基于小波变换方法、基于差分电压方法和基于数值微分方法。其次,引入灰色关联度分析(GRA)方法对特征进行相关性分析,并利用改进型模糊小脑模型神经网络(IFCMNN)估计SOH。最后,实验结果表明了所提方法能在较高的SOH分辨精度上实现对处在任意SOC的锂电池进行快速估计SOH,验证了所提方法的有效性。

Keyword:

健康状态 冲击响应特性 改进型模糊小脑模型神经网络 特征提取

Community:

  • [ 1 ] 福州大学电气工程与自动化学院
  • [ 2 ] 中国电建集团福建省电力勘测设计院有限公司

Reprint 's Address:

Email:

Show more details

Related Keywords:

Source :

电气开关

Year: 2022

Issue: 06

Volume: 60

Page: 68-73

Cited Count:

WoS CC Cited Count:

SCOPUS Cited Count:

ESI Highly Cited Papers on the List: 0 Unfold All

WanFang Cited Count:

Chinese Cited Count:

30 Days PV: 5

Affiliated Colleges:

Online/Total:161/10324008
Address:FZU Library(No.2 Xuyuan Road, Fuzhou, Fujian, PRC Post Code:350116) Contact Us:0591-22865326
Copyright:FZU Library Technical Support:Beijing Aegean Software Co., Ltd. 闽ICP备05005463号-1