儲能電池系統核心狀態參量估算策略 王順利 劉廣忱 張勤等 9787030818553 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202506*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：儲能電池系統核心狀態參量估算策略
ISBN：9787030818553
出版社：科學
著編譯者：王順利 劉廣忱 張勤等
頁數：252
所在地：中國大陸 *此為代購商品
書號：1741701
可大量預訂，請先連絡。

內容簡介
《儲能電池系統核心狀態參量估算策略》專注于新型電力儲能電池系統工程的學科領域，聚焦儲能電池管理系統的智能化技術，以儲能電池系統核心狀態參量估算方法為基礎，對電池管理系統技術進行深入的研究和探索。《儲能電池系統核心狀態參量估算策略》主要研究新型電力儲能的應用、電力系統辨識建模、智慧儲能電池狀態評估和智能化管理監測中的關鍵技術，為系統設計和應用提供技術參考。

目錄

目錄

第1章 緒論 1
1 1 新型電力儲能應用 1
1 1 1 電化學儲能 1
1 1 2 飛輪儲能 2
1 1 3 壓縮空氣儲能 3
1 1 4 超導儲能 4
1 1 5 超級電容器儲能 6
1 2 智能電網儲能系統電池模型構建 7
1 2 1 電化學機理模型 8
1 2 2 數據模型 8
1 2 3 等效電路模型 8
1 2 4 熱模型 9
1 3 智慧儲能電池狀態評估 10
1 3 1 荷電狀態估計策略 10
1 3 2 健康狀態預測算法 12
1 3 3 能量狀態估算 14
1 3 4 峰值功率估算 15
1 3 5 全壽命週期剩餘使用壽命評估 16
第2章 電力儲能電池測試 21
2 1 電池測試共享平臺搭建 21
2 2 電池工作機理分析 22
2 3 電池特性測試流程 25
2 3 1 能量測試 25
2 3 2 混合脈衝功率特性測試 26
2 3 3 電池容量校正測試 27
2 3 4 不同倍率充放電測試 27
2 3 5 電池老化測試 28
2 4 電池工作特性分析 29
2 4 1 電壓特性分析 29
2 4 2 電流特性分析 31
2 4 3 溫度特性分析 31
2 4 4 內阻特性分析 32
2 4 5 能量特性分析 33
2 5 本章 小結 33
第3章 智慧能源建模分析 34
3 1 電化學特性模型 34
3 1 1 黑箱模型 34
3 1 2 等效電路模型 37
3 1 3 電化學機理模型 40
3 2 熱模型 45
3 2 1 單狀態集中參數熱模型 45
3 2 2 一維分布式多項式熱模型 46
3 2 3 雙狀態集中參數熱模型 49
3 3 電熱耦合模型 51
3 3 1 基於偏微分方程的模型 51
3 3 2 混合型模型 53
3 4 本章 小結 53
第4章 儲能電池狀態智能化預估核心算法 55
4 1 基於傳統方法的計算 55
4 1 1 開路電壓法 55
4 1 2 安時積分法 56
4 1 3 電化學阻抗譜法 57
4 2 基於模型方法的估計 58
4 2 1 卡爾曼濾波 58
4 2 2 擴展卡爾曼濾波 59
4 2 3 無跡卡爾曼濾波 61
4 2 4 雙卡爾曼濾波 62
4 2 5 自適應卡爾曼濾波 64
4 3 基於智能算法的預測 66
4 3 1 神經網絡 66
4 3 2 模糊邏輯控制 78
4 3 3 支持向量機 78
4 3 4 機器學習 81
4 4 本章 小結 83
第5章 基於LSTM神經網絡的儲能電池SOC估計 84
5 1 基於BiLSTM模型的電池SOC預測 84
5 1 1 特徵選取與訓練樣本優化 84
5 1 2 網絡結構設計與超參數選擇 85
5 1 3 基於BiLSTM的動態模型構建 86
5 2 貝葉斯優化BiLSTM網絡模型 87
5 2 1 基於貝葉斯的後驗分佈估計 87
5 2 2 貝葉斯優化BiLSTM模型框架 89
5 2 3 貝葉斯優化BiLSTM超參數優化選取 90
5 3 基於AUKF的神經網絡模型優化策略 92
5 3 1 無跡變換預處理分析 92
5 3 2 UKF迭代運算分析 93
5 3 3 時變噪聲對SOC估計影響與修正 94
5 3 4 BO-BiLSTM-UKF噪聲修正模型設計 95
5 4 BiLSTM預測模型與濾波自適應策略融合估計結果分析 96
5 4 1 電池針對性BBDST工況實驗 97
5 4 2 變溫度複雜工況下電池SOC估計結果分析 98
5 4 3 分階段模擬工況下電池SOC估計效果驗證 103
5 5 本章 小結 106
第6章 基於數據驅動的儲能電池簇SOH估算 107
6 1 考慮液相電勢的儲能電池ESP電壓建模 107
6 1 1 ESP電壓模型優化改進策略 107
6 1 2 液相濃差極化及歐姆極化過電勢求解 108
6 1 3 基於ESP模電壓型的儲能電池簇多單體建模 112
6 2 多維儲能電池健康指標的提取 113
6 2 1 基於CCPSO算法的ESP模型雙參數辨識 114
6 2 2 基於IC-DV方法的雙老化模式量化 119
6 2 3 健康指標的相關性分析 122
6 3 儲能電池簇的SOH估算 124
6 3 1 NSA-BP模型的框架構建 124
6 3 2 基於健康指標和NSA-BP模型的SOH估算策略 128
6 4 儲能典型工況下電池模型和SOH估算驗證 130
6 4 1 健康指標提取及相關性分析結果 130
6 4 2 低倍率恒流儲能老化工況下的估計結果 139
6 4 3 變倍率儲能老化工況下的估計結果 144
6 5 本章 小結 148
第7章 基於長短期記憶網絡的電池峰值功率估算 151
7 1 戴維南模型構建及全參數辨識 151
7 1 1 戴維南模型構建 151
7 1 2 離線與在線辨識策略 153
7 2 電池峰值功率預估 156
7 2 1 基於端電壓約束的電池峰值功率估算 156
7 2 2 基於SOC約束的電池峰值功率估算 158
7 2 3 峰值功率動態實驗驗證 159
7 3 峰值功率預估實驗驗證分析 161
7 3 1 不同老化情況下的電池峰值功率估算驗證 161
7 3 2 不同溫度下的電池峰值功率估算驗證 162
7 4 本章 小結 164
第8章 儲能電池能量狀態評估算法設計與優化 165
8 1 電池等效建模與參數辨識 165
8 1 1 考慮溫度影響的電池等效模型構建 165
8 1 2 基於混合脈衝功率測試的離線辨識 167
8 1 3 基於遺忘因子遞歸*小二乘法的參數辨識 169
8 1 4 參數辨識結果分析 170
8 2 基於FVW-CKF算法的SOE估計 173
8 2 1 模糊自適應CKF算法 173
8 2 2 雙權重多新息CKF 175
8 2 3 變窗口自適應調整策略 176
8 3 基於雙層濾波的SOE與*大可用能量聯合估計 176
8 3 1 基於EKF的*大可用能量估計 176
8 3 2 基於FVW-CKF的SOE和*大可用能量聯合估計 177
8 4 實驗結果分析 179
8 4 1 電池能量狀態估計驗證 179
8 4 2 *大可用能量修正效果驗證 185
8 5 本章 小結 188
第9章 基於螢火蟲優化的SOC與SOH協同估計 189
9 1 電池動態遷移模型構建 189
9 1 1 動態遷移建模 189
9 1 2 基於偏差補償策略的在線參數辨識 193
9 1 3 動態遷移模型驗證 196
9 2 基於螢火蟲優化算法的SOC與SOH協同估計 197
9 2 1 混沌螢火蟲-粒子濾波 197
9 2 2 遷移因子的動態更新及SOC估計 201
9 2 3 基於PF-EKF的SOC與SOH協同估計 203
9 3 SOC與SOH協同估計實驗驗證分析 205
9 3 1 電池健康狀態下協同估計驗證 205
9 3 2 電池老化狀態下協同估計驗證 210
9 4 本章 小結 215
第10章 基於*濾波的鋰電池SOC與SOP聯合估計 217
10 1 PNGV模型結合改進粒子群優化的*小二乘辨識策略 217
10 1 1 二階PNGV模型建模 217
10 1 2 遞歸*小二乘法在線參數辨識 218
10 1 3 基於DPSO-FFRLS法的參數辨識 220
10 1 4 慣性權重動態化處理 222
10 2 SOC與SOP估計策略設計 224
10 2 1 基於*濾波的SOC估計 224
10 2 2 基於多參數約束的SOP估算 227
10 3 實驗分析與驗證 232
10 3 1 基於DPSO-FFRLS法的參數辨識結果分析 232
10 3 2 SOC評估策略驗證分析 234
10 3 3 SOP評估策略驗證分析 238
10 4 本章 小結 243
參考文獻 244

精彩書摘
第1章 緒論
1 1 新型電力儲能應用
1 1 1 電化學儲能
當前國內外運行的儲能項目仍以抽水蓄能為主，其次是電化學儲能[1]。因成本低、壽命長、技術成熟等優勢，物理機械儲能尤其是抽水蓄能被廣泛應用，但受地理環境制約、投資高、建設週期長等因素影響，發展漸緩。電化學儲能第1*高，不受自然環境影響，裝機便捷，使用靈活，已經進入商業化階段，隨著成本的逐漸降低，電化學儲能發展將步入快車道。同時，電化學電池已經具有150多年的發展和應用歷史，是目前備用電源領域應用規模*大的電池類型[2]。
電化學儲能主要是將電能轉換為化學能存儲起來，目前的主要媒介是各種電池，同時不同的電池類型有各自的特點，這就為大規模儲能應用的不同需求提供了多樣化的選擇。目前，研究得較多的主要有鋰電池、鈉硫電池、全釩液流電池、鈉/氯化鎳電池、鉛酸電池、鎳氫電池、鋰硫電池、鋰空氣電池等[3]。
在2012年之前，電化學儲能領域主要使用的是鉛蓄電池、納基電池和液流電池，由於電池壽命短及系統效率低等問題，2012～2020年，鋰電池開始被廣泛應用；2020年之後，磷酸鐵鋰由於具有相對較長的循環壽命、相對較高的安全性、相對較低的成本，將是電化學儲能的主流技術[4]。
如今，隨著可再生能源發電的快速發展，實際生產和應用對大規模儲能技術提出了更高要求，出現了以鈉硫電池和全釩液流電池為代表的針對大規模儲能應用而開發的電池。鈉/氯化鎳電池則是在鈉硫電池的基礎上發展起來的，隨著便攜電子產品的發展，出現了鎳氧電池和鋰電池，目前這種電池的產業發展已相對成熟。隨著當前電動汽車的發展，鋰電池在材料和製造工藝上有了很大的發展。這也促進了鋰電池技術的進步，為大規模儲能應用奠定了堅實的技術基礎和產業基礎。此外，為滿足電動汽車未來發展需求而開發的鋰硫電池和鋰空氣電池，也有可能成為未來大規模儲能應用中潛在的或備選的技術[3]。
*近，美國麻省理工學院一個研究團隊提出了一種新的化學儲能技術，研究出液態金屬電池。該研究團隊的研究結果表明，這種電池具有成本低、壽命長、效率高、儲能密度大的優點，可滿足電網能量存儲的要求。這項技術目前在國際上得到了廣泛關注。
中關村儲能產業技術聯盟(China Energy Storage Alliance，CNESA)的數據表明，2021年我國電化學儲能累計裝機容量為5 51GW，約占我國已投運電力儲能項目裝機容量的12%，同比增長68 5%[5]。
目前電化學儲能技術已經發展成為一種成熟的能量儲存技術，廣泛應用于可再生能源、電動汽車、智能電網等領域。主要的電化學儲能技術包括鉛酸蓄電池、鋰電池、鈉離子電池、液流電池等[6]。
鋰電池是目前*為成熟和應用*為廣泛的電化學儲能技術，已經廣泛應用於手機、筆記本電腦、電動汽車等領域。鈉離子電池作為一種新興的電化學儲能技術，具有能量密度高、成本低等優勢，正在逐步得到市場認可。
此外，隨著可再生能源的大規模普及，液流電池等新興電化學儲能技術也正得到越來越多的關注和研究。液流電池具有高效、高能量密度、可擴展性強等特點，在大規模儲能方面具有廣闊的應用前景[7]。
電化學儲能現已經應用於許多領域，主要包括以下幾個方面。
(1)新能源發電與儲能系統：如太陽能、風能、水能等可再生能源的發電系統，需要將電能存儲到儲能設備中，以便在不連續或時段性發電期間供能。
(2)電動汽車與混合動力汽車：電化學儲能在電動汽車與混合動力汽車的動力系統中得到廣泛應用，尤其是鋰電池，其在能量密度、可靠性和壽命等方面都有很大突破。
(3)家居儲能：隨著電動汽車等需求的增加，家庭光伏發電和小型風力發電的使用越來越普及，家庭儲能系統的應用則可以使得其實現*大限度的自給自足。
(4)能量儲存系統：電化學儲能還應用於大型能量儲存系統，如電網的儲能

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。