机械工业出版社: 动力电池管理系统核心算法(第二版)
发表时间:2021-11-17     阅读次数:     字体:【

简介:《动力电池管理系统核心算法(2版)》结合作者多年来的研究实践,阐述了电动汽车动力电池管理系统的特点及其核心算法开发的关键技术问题,详细介绍了动力电池测试、建模、状态估计、剩余寿命预测、故障诊断、低温加热、优化充电、算法开发、评估与测试以及新一代动力电池管理系统,并配有详细的算法实践步骤和开发流程,专注于分析当代新能源领域及动力电池发展存在的关键问题,从技术先进性和共性基础理论两方面帮助读者掌握新能源汽车动力电池管理系统的核心算法。

近年来,在国家政策、科技专项、绿色冬奥与科技冬奥以及新能源汽车产销量快速上升等多方面的推动下,新能源汽车动力电池系统的应用领域和技术创新需求发生了深刻的变化,为了适应这种变化的需要,对本书第2版内容做了较大调整

1、增加了面向冬奥低温环境的动力电池系统环境适应性的应用需求概述以及固态锂电池、电容电池等内容。

2、完善了动力电池测试设备与测试流程介绍,并补充了相关动力电池测试数据。

3、完善了动力电池单体和系统状态估计,增加了动力电池组均衡管理、基于差异的动力电池组状态估计内容。

4、为确保新能源汽车的安全可靠运行,针对动力电池系统的故障诊断必不可少,因此增加第 7章动力电池故障诊断。

5、动力电池低温加热和优化充电不仅技术创新需求发展快,而且内容越来越丰富、越来越具有独自形成知识体系的特征,因此本书将两者单独成章,分别为第8章动力电池低温加热和第 9章动力电池优化充电。

6、在第10章算法开发、评估与测试中,增加了系统设计与仿真辅助软件的内容。

7、为适应动力电池管理技术与新兴技术融合的需求,增加了车-云协同架构、先进传感器技术、精细化热管理技术、电池主动管理技术、全寿命周期管理等内容,介绍了区块链技术和数字孪生技术应用于动力电池管理的发展趋势。


专著资源分享

1. 模型:电池等效模型(Thevenin模型.zip, 46.5kB);电化学模型(电化学模型.zip, 54.9kB);分数阶模型(分数阶模型.zip, 243kB);(详细内容查看)

2. SOX算法:EKF-SOC算法模型(EKF_SOC.zip, 162kB);SOH算法模型(SOH.zip, 102kB);SOP算法模型(SOP.zip, 2.19MB);(详细内容查看)

3. 寿命预测算法(寿命预测算法.zip, 3.57kB);(详细内容查看)

4. 故障诊断方法(故障诊断方法.zip,3.45kB);(详细内容查看)

5. 优化充电方法(优化充电方法.zip,3.33kB);(详细内容查看)

6. 低温加热算法(低温加热算法.zip, 9.22kB);(详细内容查看)

7. 测试数据:电池单体数据,电池组数据,实车运行数据 (点击查看)

8. 试读正在完善

精彩预览





完整出版信息:熊瑞. 动力电池管理系统核心算法第2版[M]. 北京:机械工业出版社,2021. (京东购书)


相关参考论文

1. R. Xiong, S. Ma, H. Li, F. Sun and J.Li, “Towards a Safer Battery Management System: A Critical Review on Diagnosis and Prognosis of Battery Short Circuit”, iScience, vol. 23, no. 4, pp. 101010, April 2020. (下载链接)

2. R. Xiong, Q. Yu, W. Shen, C.Lin and F. Sun, "A Sensor Fault Diagnosis Method for a Lithium-Ion Battery Pack in Electric Vehicles", IEEE Transactions on Power Electronics, 2019, vol. 34, no. 10, pp. 9709-9718, OCT 2019. (下载链接)

3. R. Xiong, Y. Zhang, H. He, X. Zhou, Michael Pecht, “A double-scale, particle-filtering, energy state prediction algorithm for lithium-ion batteries,” IEEE Transactions on Industrial Electronics, vol.65, no.2, pp.1526-1538, Feb 2018. (下载链接)

4. R. Xiong, JP Tian, H Mu, C. Wang, “A systematic model-based degradation behavior recognition and health monitor method of lithium-ion batteries,” Appl Energy, vol. 207, pp. 367-378, DEC 2017. (下载链接)

5. R. Xiong, Q.Q Yu, LY Wang, C Lin, “A novel method to obtain the open circuit voltage for the state of charge of lithium ion batteries in electric vehicles by using H infinity filter,” Appl Energy, vol. 207, pp. 341-348, DEC 2017. (下载链接)

6. F. Sun; R. Xiong and H. He, “Estimation of state-of-charge and state-of-power capability of lithium-ion battery considering varying health conditions,” J. Power Sources, vol.259, pp.166–176, Aug. 2014. (下载链接)

7. R. Xiong; F. Sun; X. Gong and C. Gao, “A data-driven based adaptive state of charge estimator of lithium-ion polymer battery used in electric vehicles,” Appl Energy, vol. 113, pp. 1421–1433, Jan. 2014. (下载链接)

8. R. Xiong; F. Sun; Z. Chen and H. He, “A data-driven multi-scale extended Kalman filtering based parameter and state estimation approach of lithium-ion polymer battery in electric vehicles,” Appl Energy, vol. 113, pp. 463-476, Jan. 2014. (下载链接)

9. R. Xiong; F. Sun; H. He and T. Nguyen, “A data-driven adaptive state of charge and power capability joint estimator of lithium-ion polymer battery used in electric vehicles,” Energy, vol. 63, pp. 295–308, Dec. 2013. (下载链接)

10. R. Xiong; F. Sun; X. Gong and H. He, “Adaptive state of charge estimator for lithium-ion cells series battery pack in electric vehicles,” J. Power Sources, vol. 242, pp. 699–713, Nov., 2013. (下载链接)

11. R. Xiong; X. Gong and C. C. Mi, “A robust state-of-charge estimator for multiple types of lithium-ion batteries using adaptive extended Kalman filter,” J. Power Sources, vol. 243, pp. 805–816, Jun. 2013. (下载链接)

12. R. Xiong; H. He; F. Sun; X. Liu and Z.Liu, “Model-based State of Charge and peak power capability joint estimation of Lithium-Ion battery in plug-in hybrid electric vehicles,” J. Power Sources, vol. 229, pp. 159–169, May 2012. (下载链接)

13. R. Xiong; H. He; F. Sun and K. Zhao, “Evaluation on State of Charge Estimation of Batteries with Adaptive Extended Kalman Filter by Experiment Approach,” IEEE T VEH TECHNOL. Vol. 62, no.1, pp. 108–117, Jan. 2013. (下载链接)

14. R. Xiong; F. Sun and H. He, “Data-driven State-of-charge Estimator for Electric Vehicles Battery using Robust Extended Kalman Filter,” INT J AUTOMOT TECHN., vol. 15, no. 1, pp. 89–96, Feb. 2014. (下载链接)

15. R. Xiong; H. He; F. Sun and K. Zhao, “Online Estimation of Peak Power Capability of Li-Ion Batteries in Electric Vehicles by a Hardware-in-Loop Approach,” Energies, vol. 5, no. 5, pp. 1455-1469, May 2012. (下载链接)

更正信息

欢迎您提供建议和修改意见,请邮件(rxiong@ieee.org)或者通过这里告知我们,您的名字也会出现在修订版中。


上一篇:没有了
下一篇:化学工业出版社:电动车辆复合电源系统集成管理基础
0
联系地址:北京市海淀区中关村南大街5号北京理工大学   Copyright  ©  2020-   先进储能科学与应用课题组  All Rights Reserved.网站地图
友情链接: 新能源与智能载运期刊    北京理工大学    ICEIV2022会议    机械与车辆学院    机械工程学报    Applied Energy期刊