基于GA-BP神经网络的储能锂离子电池管理系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 储能技术 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 第二章 锂离子电池特点及应用 | 第14-20页 |
| 2.1 锂电池 | 第14页 |
| 2.2 锂离子电池 | 第14-17页 |
| 2.2.1 锂离子电池工作原理 | 第15页 |
| 2.2.2 锂离子电池特点 | 第15-16页 |
| 2.2.3 锂离子电池应用 | 第16-17页 |
| 2.3 软碳负极材料锂离子电池 | 第17-18页 |
| 2.4 小结 | 第18-20页 |
| 第三章 锂离子电池剩余容量的研究 | 第20-26页 |
| 3.1 SOC定义 | 第20页 |
| 3.2 影响电池SOC的因素 | 第20-21页 |
| 3.3 电池荷电状态估算方法概述 | 第21-24页 |
| 3.3.1 放电实验法 | 第21页 |
| 3.3.2 安时计量法 | 第21-22页 |
| 3.3.3 开路电压法 | 第22页 |
| 3.3.4 内阻法 | 第22-23页 |
| 3.3.5 卡尔曼滤波法 | 第23页 |
| 3.3.6 神经网络法 | 第23-24页 |
| 3.4 电池荷电状态估算现状 | 第24-25页 |
| 3.5 小结 | 第25-26页 |
| 第四章 基于GA-BP的SOC估计算法 | 第26-48页 |
| 4.1 神经网络 | 第26-29页 |
| 4.1.1 神经网络基本属性 | 第26-27页 |
| 4.1.2 BP神经网络 | 第27-29页 |
| 4.2 遗传算法 | 第29-33页 |
| 4.2.1 基本遗传算法概述 | 第29-31页 |
| 4.2.2 遗传算法特点 | 第31-32页 |
| 4.2.3 遗传算法模式定理 | 第32页 |
| 4.2.4 遗传算法实现 | 第32-33页 |
| 4.2.5 遗传算法应用流程 | 第33页 |
| 4.3 基于GA-BP神经网络的SOC预测算法 | 第33-47页 |
| 4.3.1 算法流程与实现 | 第33-40页 |
| 4.3.2 测试数据 | 第40-41页 |
| 4.3.3 BP神经网络仿真结果 | 第41-43页 |
| 4.3.4 GA-BP神经网络仿真结果 | 第43-47页 |
| 4.4 小结 | 第47-48页 |
| 第五章 锂离子电池管理系统的设计 | 第48-54页 |
| 5.1 通信模块设计 | 第48-49页 |
| 5.2 采样系统设计 | 第49-50页 |
| 5.3 管理系统结构 | 第50-52页 |
| 5.4 小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 个人简历 | 第62页 |
| 发表的学术论文 | 第62页 |
