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17.8.2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