鋰電池儲能科學與技術

前言
第1章儲能鋰電池概述
11儲能鋰電池的背景與意義
12儲能鋰電池工作機理分析
121儲能鋰電池簡述
122儲能鋰電池的組成
123儲能鋰電池的工作原理
124儲能鋰電池的分段充電
13儲能鋰電池的分類與特點
131磷酸鐵鋰電池
132鈷酸鋰電池
133錳酸鋰電池
134三元聚合物儲能鋰電池
135鈦酸鋰電池
136不同類型儲能鋰電池性能對比
分析
14儲能鋰電池的工作特性
141儲能鋰電池的充電特性
142儲能鋰電池的放電特性
143儲能鋰電池的溫度特性
15儲能鋰電池的基本概念
151電壓特性
152電流特性
153溫度特性
154容量特性
155充放電倍率
156充放電次數
157儲能鋰電池功率
158內阻特性
159荷電狀態(tài)
1510放電深度
1511自放電率
1512庫倫效率
16儲能鋰電池的應用領域和
發(fā)展趨勢
161主要應用領域
162行業(yè)發(fā)展趨勢
163國內發(fā)展現(xiàn)狀和前景
第2章儲能鋰電池BMS核心參數與
控制策略
21儲能電池關鍵參數的測量
211電壓
212溫度
213電流
22鋰離子電池儲能安全保護
221基礎安全保護措施
222鋰離子電池儲能安全
223儲能電池管理單元
224永久性失效保護
225BMS設計規(guī)范
226儲能鋰電芯的品質保障
227提高電池安全性
23鋰離子電池組儲能的熱管理
231熱管理的必要性
232風冷
233液冷
234相變冷卻
235熱管冷卻
24常規(guī)充電管理
241恒流充電法
242恒壓充電法
243階段式充電法
244充電器設計
25快速充電管理
251脈沖式充電法
252變電流間歇充電法
253變電壓間歇充電法
254充電過程保護
26儲能鋰電池核心參數估算
現(xiàn)狀
261荷電狀態(tài)（SOC）估算研究
現(xiàn)狀
262功率狀態(tài)（SOP）評估研究
現(xiàn)狀
263健康狀態(tài)（SOH）預測研究
現(xiàn)狀
第3章鋰離子電池電化學儲能特性
分析
31鋰離子電池儲能工作原理
分析
32儲能鋰電池特性測試
321能量測試實驗
322混合脈沖功率特性測試實驗
323電池容量校正實驗
324不同倍率充放電實驗
325電池老化測試實驗
33儲能鋰電池工作特性分析
331能量特性分析
332內阻特性分析
333開路電壓特性分析
334電池溫度特性分析
34SOC影響因素分析
341電池溫度特性分析
342充放電倍率實驗分析
343電池老化影響分析
35儲能鋰電池老化特性研究
351SOH影響因素分析
352老化過程OCV-SOC規(guī)律
353電池老化內阻分析
36儲能鋰電池遲滯特性研究
361電池遲滯現(xiàn)象
362次環(huán)遲滯特性
363遲滯溫度依賴性
364遲滯路徑依賴性
37儲能鋰電池OCV-SOC模型
371帶遲滯效應的等效電路模型
372模型參數辨識
373PI遲滯模型
38儲能鋰電池建模
381電化學模型建模
382等效電路模型建模
383等效電路模型定階研究
384改進的等效電路模型構建
39儲能鋰電池模型參數辨識
391鋰離子電池開路電壓估算
392鋰離子電池離線參數辨識
研究
393遞推最小二乘在線參數辨識
算法
394遺忘因子遞推擴展最小二乘在
線參數辨識
310實時跟蹤數據的全參數在線
辨識
3101參數辨識方法的對比分析
3102全參數在線辨識的構建
311儲能鋰電池參數辨識與模型
驗證
3111鋰離子電池復雜測試工況
3112復雜工況下參數辨識驗證
3113等效電路模型對比分析
第4章儲能鋰電池SOC估算方法
研究
41SOC估算存在的問題及局限性
分析
42基于EKF及其改進算法的SOC
估算
421KF算法
422KF算法運算過程推導
423非線性KF算法改進
424基于自適應濾波與有限差分
算法研究
425基于EKF算法的SOC估算
研究
426基于SR-UKF算法的電池SOC
估算
427基于AFD-EKF算法的SOC
估算
428基于雙在線迭代SR-UKF算法
的SOC估算
43基于多影響因素校正的電池
SOC迭代估算
431鋰離子電池SOC估算模型
構建
432貝葉斯濾波及其衍生算法
研究與改進
433非線性模型下的KF算法
改進
434測量噪聲對估算影響分析與
校正
435典型工況下SOC估算結果及
分析
436基于互聯(lián)網 的電池SOC
估算
44基于BP神經網絡的SOC估算
模型研究
441BP神經網絡算法分析
442BP神經網絡SOC估算模型
建立
443實驗數據集預處理
444仿真測試
45基于NARX神經網絡的SOC
估算模型研究
451NARX神經網絡算法分析
452網絡超參數設計
453基于NARX神經網絡的SOC
估算模型建立
454基于NARX的SOC估算模型
評價指標選取與仿真測試
455基于AEKF優(yōu)化NARX神經
網絡的SOC估算模型
456基于NARX-AEKF的SOC估
算模型仿真測試
46復雜工況下SOC估算性能
分析
461恒流放電實驗的電池SOC
估算
462DST工況實驗SOC估算
463BBDST工況電池SOC估算實驗
分析
464多變溫度下的HPPC實驗電池
SOC估算研究
465大功率間歇性放電SOC估算
實驗驗證
466無人機定制工況下的SOC估算
精度分析
第5章儲能鋰電池SOP估算方法
研究
51基于多約束條件下的鋰離子
電池SOP估算策略
511開路電壓約束下的峰值電流
512SOC約束下的峰值電流
513在線多約束條件下的SOP
估算
514儲能鋰離子電池SOC與SOP
聯(lián)合估算方法
52基于SWMI-AEKF算法的能量
狀態(tài)估算研究
521EKF算法
522基于先驗噪聲估算的改進
AEKF算法
523基于SWMI-AEKF算法的SOE
估算
53儲能鋰電池SOE估算驗證
531BBDST工況下SOE估算
驗證
532DST工況下SOE估算驗證
533不同參數辨識方法下SOE估算
分析
54儲能鋰電池SOE與峰值功率
協(xié)同預估研究
541基于模型的鋰離子電池峰值
功率估算
542基于SOE的鋰離子電池峰值
功率估算
543SOE與峰值功率協(xié)同預估
策略
55基于SOE的儲能鋰電池峰值
功率估算驗證
551BBDST工況下持續(xù)峰值功率
估算驗證
552DST工況下持續(xù)峰值功率估算
驗證
553初始SOE對峰值功率估算影響
分析
56考慮SOC和端電壓的SOP評估
分析
561功率參考數據獲取及特例
分析
562BBDST工況驗證
563DST工況驗證
564不同持續(xù)時間下驗證分析
第6章儲能鋰電池SOH估算方法
研究
61儲能鋰電池SOH估算策略
分析
611SOH定義及其數學描述
612SOH估算存在的問題及局限性
分析
62基于粒子濾波理論的改進
算法
621粒子濾波算法改進策略分析
622基于改進粒子濾波的電池SOH
估算
63基于不同迭代周期的SOC-
SOH協(xié)同估算
631SOC-SOH協(xié)同估算模型
構建
632SOC-SOH協(xié)同迭代估算
流程
633典型工況下SOH估算結果及
分析
64基于AEKF的SOH估算
641EKF迭代運算分析
642噪聲AEKF算法分析
643建立基于容量估算的狀態(tài)空間
方程
65基于雙時間尺度ADEKF算法
的SOH估算
651雙擴展卡爾曼濾波算法用于
SOH估算
652雙時間尺度ADEKF算法用于
SOH估算
66基于融合雙因子的SOH估算
方法研究
661歐姆內阻估算SOH
662融合雙因子估算SOH
67航空儲能鋰電池SOH估算
效果分析
671基于內阻的估算結果分析
672基于容量的估算結果分析
673內阻和容量聯(lián)合估算結果
驗證
第7章電池組的均衡及能量安全
管理
71均衡調節(jié)的意義
72電池組的均衡管理分類
721均衡電路拓撲結構
722被動均衡電路
723主動均衡電路
73均衡能量轉移策略及均衡
電路設計實例
731均衡策略拓撲結構
732基于MSP430的BMS設計
733基于STM32的BMS設計
734基于ISL78600的BMS設計
735基于AD7280A的BMS設計
736基于LTC6804的BMS設計
74BMS的性能測試與故障
排除
741BMS性能測試
742故障原因及其分析
743故障解決方法
參考文獻