超級電容器及其在新一代儲能系統(tǒng)中的應用

前言第1章概述1.1超級電容器的研究背景1.2超級電容器的分類1.3超級電容器的應用前景第2章電極材料的制備和性能研究2.1引言2.2稀釋法制備氫氧化鎳2.2.1氫氧化鎳的制備2.2.2電極制備和性能測試2.2.3實驗結果與討論2.3稀釋法制備氧化鎳2.3.1氧化鎳的制備2.3.2電極制備和性能測試2.3.3實驗結果與討論2.4模板法制備有序介孔炭2.4.1有序介孔炭的制備2.4.2電極制備和性能測試2.4.3實驗結果與討論第3章電極材料的改進及其在超級電容器中的應用3.1引言3.2多孔碳正極材料的應用3.2.1鋰離子電容器簡介3.2.2有序介孔碳材料的研究進展3.2.3氧官能化有序介孔碳的制備及其在鋰離子電容器正極中的應用3.2.4磷摻雜有序介孔碳的制備及鋰離子電容器正極中的應用研究3.2.5氮摻雜有序介孔碳的制備及其在鋰離子電容器中的應用3.3基于靜電紡絲技術的碳質復合負極的應用3.3.1靜電紡絲技術概述3.3.2靜電紡絲技術納米纖維在微型超級電容器中的應用3.3.3金屬化合物修飾靜電紡絲碳納米纖維的制備及其電化學性能研究3.3.4原子鐵修飾碳納米纖維的制備及其電化學儲鋰性能研究3.3.5基于靜電紡絲PI膜的快速激光雙面直寫技術制備柔性對稱超級電容器3.4石油瀝青基碳納米纖維材料的應用3.4.1石油瀝青基碳材料3.4.2石油瀝青基碳納米纖維柔性電極的制備及其電化學儲鋰性能研究3.4.3石油瀝青基碳納米纖維的結構改性及其超級電容性能第4章電解質結構與材料4.1引言4.2電解液概述4.3水電解質4.4有機電解質4.5離子液體4.6固態(tài)聚合物電解質第5章超級電容器結構設計及其儲能特性研究5.1引言5.2堆疊式超級電容器5.2.1堆疊式超級電容器設計5.2.2堆疊式超級電容器儲能特性研究5.3卷繞式超級電容器5.3.1卷繞式超級電容器設計5.3.2卷繞式超級電容器儲能特性研究5.4混合型超級電容器5.4.1混合型超級電容器的結構確定5.4.2混合型超級電容器性能測試第6章超級電容器的熱行為研究6.1引言6.2堆疊式超級電容器的熱行為研究6.2.1堆疊式超級電容器有限元建模6.2.2堆疊式超級電容器熱行為分析6.2.3堆疊式超級電容器熱行為研究的結果與討論6.3卷繞式超級電容器的熱行為研究6.3.1卷繞式超級電容器有限元建模6.3.2卷繞式超級電容器熱行為分析6.3.3卷繞式超級電容器熱行為研究的結果與討論6.4混合型超級電容器的熱行為研究6.4.1傳熱模型6.4.2傳熱分析與討論第7章超級電容器測試系統(tǒng)的研究7.1引言7.2測試系統(tǒng)總體設計7.3測試系統(tǒng)硬件設計7.3.1控制芯片的選擇7.3.2IGBT和繼電器驅動電路7.3.3采樣電路設計7.3.4通信模塊設計7.3.5數(shù)據(jù)存儲模塊設計7.3.6抗干擾設計7.4測試系統(tǒng)軟件設計7.5實驗測試與結果7.5.1軟件測試7.5.2硬件測試7.5.3超級電容器恒流充放電實驗驗證7.6串聯(lián)超級電容器組電壓均衡系統(tǒng)的研究7.6.1電壓均衡系統(tǒng)的總體設計7.6.2電壓均衡主電路設計7.6.3算法設計7.6.4電壓均衡系統(tǒng)的硬件設計7.6.5電壓采集及信號調理電路7.6.6模擬開關電路7.6.7PIC單片機及A/D轉換7.6.8MOSFET驅動電路7.7電壓均衡系統(tǒng)的軟件設計7.8實驗測試與結果分析7.8.1測試實例17.8.2測試實例2第8章超級電容器的健康管理8.1SOH相關概念及理解8.2基于模型的預測方法8.2.1等效電路模型8.2.2退化機理模型8.2.3應用實例8.3基于數(shù)據(jù)的預測方法8.4模型與數(shù)據(jù)驅動方法的融合8.5小結第9章基于數(shù)據(jù)驅動算法的超級電容器壽命預測9.1剩余使用壽命實驗測試9.1.1引言9.1.2超級電容器的老化機理9.1.3實驗平臺9.1.4循環(huán)使用壽命測試9.1.5HPPC測試9.1.6小結9.2循環(huán)神經網(wǎng)絡預測超級電容器的剩余使用壽命9.2.1基本人工神經網(wǎng)絡9.2.2雙向循環(huán)神經網(wǎng)絡9.2.3雙向循環(huán)神經網(wǎng)絡仿真結果9.3長短時記憶循環(huán)神經網(wǎng)絡及其優(yōu)化方法9.3.1引言9.3.2LSTM及其優(yōu)化9.3.3混合遺傳算法9.3.4HGA-LSTM相關原理9.3.5誤差評價指標9.4基于HGA-LSTM的超級電容器壽命預測9.4.1引言9.4.2模型建立9.4.3預測結果與分析9.4.4預測的超級電容器老化趨勢9.5基于改進時間卷積網(wǎng)絡的超級電容器剩余使用壽命預測9.5.1時間卷積模型與算法9.5.2早停法防止過擬合9.5.3基于不同模型預測結果的比較與分析9.5.4離線數(shù)據(jù)用于驗證模型的泛化能力9.5.5TCN模型與雙向循環(huán)神經網(wǎng)絡的比較9.6基于改進粒子群算法優(yōu)化TCN的超級電容器RUL預測9.6.1粒子群優(yōu)化算法9.6.2模擬退火算法9.6.3SA-PSO算法9.6.4SA-PSO算法優(yōu)化TCN用于超級電容器RUL預測9.6.5改進的TCN預測超級電容器RUL仿真結果9.7小結參考文獻