内/外贸生产厂家
2024年2月28日 · 锂离子电池的剩余使用寿命(remaining useful life, RUL)是表征电池性能的一个重要指标。 本文提出了基于郊狼算法优化长短期记忆网络(long short-term memory, LSTM)的动力电池RUL预测模型。
了解更多2024年7月22日 · 为了确保储能系统的安全方位稳定运行,精确预测锂离子电池的剩余使用寿命(Remaining Useful Life, RUL)至关重要。 本文提出了一种基于人工蜂群算法(Artificial Bee Colony, ABC)和结合dropout技术的长短期记忆网络(Long Short-Term Memory, LSTM)相结合的综合预测模型,可有效提高锂
了解更多2024年5月6日 · 为此,本工作提出基于递归图多尺度特征的锂离子电池剩余寿命预测方法,用于解决从一维状态信号中提取关键退化特征的局限性。
了解更多锂离子电池(Lithium-ion batteries,LIBs)的剩余使用寿命(remaining useful life,RUL)预测在电池故障预测与健康管理(prognostics and health management,PHM)中起着十分重要的作用。精确预测电池RUL可以提前对存在安全方位隐患的电池进行维护和更换,以
了解更多2021年11月12日 · 精确预测锂离子电池的剩余使用寿命RUL(remaining useful life)对提高工作环境安全方位性和设备可信赖性等具有重要意义。为提高RUL预测的稳定性和精确度,提出1种基于去噪技术与混合数据驱动模型相结合的电池RUL预测方法。首先,利用变分模态分解处理原始数据,采用相关性分析筛选出噪声分量,将残差与相关性较
了解更多2024年5月22日 · 锂电池因其较高的能量密度、较长的循环寿命以及良好的电化学稳定性,在便携电子设备、电动汽车以及大规模储能系统中得到了广泛的应用,但其性能会随使用时间增长而逐渐衰减。
了解更多2024年11月11日 · 锂离子电池作为一种重要的储能器件,其剩余寿命 (Remaining Useful Life, RUL) 预测对于保障能源系统安全方位稳定运行至关重要。 本文提出了一种基于 麻雀 搜索算法 ( SSA ) 优化 的 支持向量 回归 (S VR ) 模型,用于 锂离子电池 RUL的预测。
了解更多2024年10月30日 · 目前,研究者关于电池寿命终止的标准基本上都来自于IEEE标准,该标准统一将电池实际容量与最高初容量比值降低至80%时定义为电池寿命终止。在实际情况下,锂离子电池具有很长的寿命周期,获取全方位寿命周期内的数据需要很长的时间跨度。
了解更多2022年4月20日 · 将锂离子电池等效为由无数球型固相颗粒组成的电极(正负极)、隔膜及电解液组成的结构 精确确度高,适用性较广 过于复杂,计算量大,且无法获得其解析解 SP模型 采用2个球型颗粒分别表示锂离子电池的正极和负极 结构简单,计算量小
了解更多2024年10月25日 · 随着规模储能、电动汽车用锂电池的循环寿命达到上千次、服役时间达到5年甚至8年以上,对锂电池的剩余寿命进行精确准预测评估成为影响锂电池应用的重要科研方向。
了解更多