26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx

下载文档加入资源篮

阅读 0
格式 docx
大小 1.11 MB
约51页
2026-09-19
评论
收藏
赞(0)
海报
分享
微信扫码分享或点击分享到
QQ空间
QQ好友
新浪微博
复制链接
分享赚佣金
举报

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第1页

1/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第2页

2/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第3页

3/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第4页

4/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第5页

5/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第6页

6/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第7页

7/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第8页

8/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第9页

9/51页

26年WP电气工程及其自动化基于机器学习的锂离子电池 SOH 估计方法研究10.33-AI6.76全日(23902字).docx_第10页

10/51页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/51

加入VIP 下载文档加入资源篮

文本预览下载提示常见问题

IWHKJ 大学本科毕业设计摘要作为一种核心储能元件，锂离子电池因其高能量密度和长循环寿命等优势，已成为电动汽车与大规模储能系统的主要组成部分，对其健康状态（State of Health, SOH）的准确估计直接关系到系统安全运行与维护策略的优化。电池在使用过程中会发生不可逆的老化，若不能及时评估 SOH，可能导致安全事故和经济损失。本文采用数据驱动方法，以西安交通大学 XJTU 公开电池老化数据集为对象，尝试一种基于增量容量（Incremental Capacity, IC）曲线特征和 XGBoost 模型的 SOH 估计方案。本文首先介绍 XJTU 数据集的来源与充放电策略，说明数...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容