本书重点分析了超级电容器及其在新一代储能系统中的应用。全书共分为9章，第1章介绍了超级电容器的研究背景、分类和应用前景。第2章介绍了电极材料的制备和性能研究，主要包括稀释法和模板法。第3章介绍了电极材料的改进及其在超级电容器中的应用，主要包括多孔碳正极材料的应用、基于静电纺丝技术的碳质复合负极的应用和石油沥青基碳纳米纤维材料的应用。第4章介绍了电解质结构与材料，主要包括电解液概述、水电解质、有机电解质、离子液体和固态聚合物电解质。第5章介绍了超级电容器结构设计及其储能特性研究，主要包括堆叠式超级电容器、卷绕式超级电容器和混合型超级电容器。第6章介绍了超级电容器的热行为研究，主要包括堆叠式超级电容器的热行为研究、卷绕式超级电容器的热行为研究和混合型超级电容器的热行为研究。第7章介绍了超级电容器测试系统的研究，主要包括恒流测试和恒压测试。第8章介绍了超级电容器的健康管理，主要包括SOH的预测，分为基于模型法和数据驱动法。第9章介绍了基于数据驱动算法的超级电容器寿命预测，主要包括基于改进的LSTM和TCN模型。

前言

第1章概述

1.1超级电容器的研究背景

1.2超级电容器的分类

1.3超级电容器的应用前景

第2章电极材料的制备和性能研究

2.1引言

2.2稀释法制备氢氧化镍

2.2.1氢氧化镍的制备

2.2.2电极制备和性能测试

2.2.3实验结果与讨论

2.3稀释法制备氧化镍

2.3.1氧化镍的制备

2.3.2电极制备和性能测试

2.3.3实验结果与讨论

2.4模板法制备有序介孔炭

2.4.1有序介孔炭的制备

2.4.2电极制备和性能测试

2.4.3实验结果与讨论

第3章电极材料的改进及其在超级电容器中的应用

3.1引言

3.2多孔碳正极材料的应用

3.2.1锂离子电容器简介

3.2.2有序介孔碳材料的研究进展

3.2.3氧官能化有序介孔碳的制备及其在锂离子电容器正极中的应用

3.2.4磷掺杂有序介孔碳的制备及锂离子电容器正极中的应用研究

3.2.5氮掺杂有序介孔碳的制备及其在锂离子电容器中的应用

3.3基于静电纺丝技术的碳质复合负极的应用

3.3.1静电纺丝技术概述

3.3.2静电纺丝技术纳米纤维在微型超级电容器中的应用

3.3.3金属化合物修饰静电纺丝碳纳米纤维的制备及其电化学性能研究

3.3.4原子铁修饰碳纳米纤维的制备及其电化学储锂性能研究

3.3.5基于静电纺丝PI膜的快速激光双面直写技术制备柔性对称超级电容器

3.4石油沥青基碳纳米纤维材料的应用

3.4.1石油沥青基碳材料

3.4.2石油沥青基碳纳米纤维柔性电极的制备及其电化学储锂性能研究

3.4.3石油沥青基碳纳米纤维的结构改性及其超级电容性能

第4章电解质结构与材料

4.1引言

4.2电解液概述

4.3水电解质

4.4有机电解质

4.5离子液体

4.6固态聚合物电解质

第5章超级电容器结构设计及其储能特性研究

5.1引言

5.2堆叠式超级电容器

5.2.1堆叠式超级电容器设计

5.2.2堆叠式超级电容器储能特性研究

5.3卷绕式超级电容器

5.3.1卷绕式超级电容器设计

5.3.2卷绕式超级电容器储能特性研究

5.4混合型超级电容器

5.4.1混合型超级电容器的结构确定

5.4.2混合型超级电容器性能测试

第6章超级电容器的热行为研究

6.1引言

6.2堆叠式超级电容器的热行为研究

6.2.1堆叠式超级电容器有限元建模

6.2.2堆叠式超级电容器热行为分析

6.2.3堆叠式超级电容器热行为研究的结果与讨论

6.3卷绕式超级电容器的热行为研究

6.3.1卷绕式超级电容器有限元建模

6.3.2卷绕式超级电容器热行为分析

6.3.3卷绕式超级电容器热行为研究的结果与讨论

6.4混合型超级电容器的热行为研究

6.4.1传热模型

6.4.2传热分析与讨论

第7章超级电容器测试系统的研究

7.1引言

7.2测试系统总体设计

7.3测试系统硬件设计

7.3.1控制芯片的选择

7.3.2IGBT和继电器驱动电路

7.3.3采样电路设计

7.3.4通信模块设计

7.3.5数据存储模块设计

7.3.6抗干扰设计

7.4测试系统软件设计

7.5实验测试与结果

7.5.1软件测试

7.5.2硬件测试

7.5.3超级电容器恒流充放电实验验证

7.6串联超级电容器组电压均衡系统的研究

7.6.1电压均衡系统的总体设计

7.6.2电压均衡主电路设计

7.6.3算法设计

7.6.4电压均衡系统的硬件设计

7.6.5电压采集及信号调理电路

7.6.6模拟开关电路

7.6.7PIC单片机及A/D转换

7.6.8MOSFET驱动电路

7.7电压均衡系统的软件设计

7.8实验测试与结果分析

7.8.1测试实例1

7.8.2测试实例2

第8章超级电容器的健康管理

8.1SOH相关概念及理解

8.2基于模型的预测方法

8.2.1等效电路模型

8.2.2退化机理模型

8.2.3应用实例

8.3基于数据的预测方法

8.4模型与数据驱动方法的融合

8.5小结

第9章基于数据驱动算法的超级电容器寿命预测

9.1剩余使用寿命实验测试

9.1.1引言

9.1.2超级电容器的老化机理

9.1.3实验平台

9.1.4循环使用寿命测试

9.1.5HPPC测试

9.1.6小结

9.2循环神经网络预测超级电容器的剩余使用寿命

9.2.1基本人工神经网络

9.2.2双向循环神经网络

9.2.3双向循环神经网络仿真结果

9.3长短时记忆循环神经网络及其优化方法

9.3.1引言

9.3.2LSTM及其优化

9.3.3混合遗传算法

9.3.4HGA-LSTM相关原理

9.3.5误差评价指标

9.4基于HGA-LSTM的超级电容器寿命预测

9.4.1引言

9.4.2模型建立

9.4.3预测结果与分析

9.4.4预测的超级电容器老化趋势

9.5基于改进时间卷积网络的超级电容器剩余使用寿命预测

9.5.1时间卷积模型与算法

9.5.2早停法防止过拟合

9.5.3基于不同模型预测结果的比较与分析

9.5.4离线数据用于验证模型的泛化能力

9.5.5TCN模型与双向循环神经网络的比较

9.6基于改进粒子群算法优化TCN的超级电容器RUL预测

9.6.1粒子群优化算法

9.6.2模拟退火算法

9.6.3SA-PSO算法

9.6.4SA-PSO算法优化TCN用于超级电容器RUL预测

9.6.5改进的TCN预测超级电容器RUL仿真结果

9.7小结

参考文献