基于數(shù)據(jù)驅(qū)動的鋰離子電池健康狀態(tài)估計和剩余使用壽命預(yù)測

近年來,隨著人們對清潔能源的廣泛關(guān)注,電動汽車得到了飛速發(fā)展,鋰離子電池因其能量密度高、使用壽命長等優(yōu)點(diǎn)被廣泛應(yīng)用在電動汽車上。因此,能夠確定鋰離子電池的老化狀態(tài)的健康狀態(tài)(State of Health,SOH)以及電池是否達(dá)到需要更換的壽命終止值的剩余使用壽命(Remaining Useful Life,RUL)的評估變的極為重要。目前主要采用數(shù)據(jù)驅(qū)動的方法對電池進(jìn)行SOH估計和RUL預(yù)測,而現(xiàn)有的基于數(shù)據(jù)驅(qū)動的神經(jīng)網(wǎng)絡(luò)模型存在可解釋性差以及在實(shí)際應(yīng)用場景中獲取的電池數(shù)據(jù)多為隨機(jī)片段數(shù)據(jù)的問題,本文針對這些問題提出了鋰離子電池SOH估計和RUL預(yù)測的共性方法,分別從單一電池數(shù)據(jù)和不同電池間數(shù)據(jù)進(jìn)行了分析。主要研究工作如下:(1)提取鋰離子電池間接健康因子。對電池充電曲線中的電壓、電流和溫度曲線進(jìn)行分析,從中提取6個可能表征電池老化趨勢的間接健康因子,運(yùn)用Spearman和最大互信息系數(shù)相關(guān)性分析法對選取的健康因子進(jìn)行了相關(guān)性分析,篩選出3個具有強(qiáng)相關(guān)性的電池健康因子,通過長短時記憶網(wǎng)絡(luò)驗(yàn)證了其作為組合輸入的合理性,為后文的電池SOH估計和RUL預(yù)測的模型選擇了合適的輸入。(2)提出了電池SOH估計和RUL預(yù)測的可解釋性模型。首先,引入雙重注意力機(jī)制,提出一種基于雙重注意力機(jī)制的編解碼模型的可解釋性電池SOH估計和RUL預(yù)測方法,本文引入的雙重注意力機(jī)制從特征和時序兩方面分析輸入因子的關(guān)聯(lián)程度,通過動態(tài)分配權(quán)重突出貢獻(xiàn)度高的特征,針對不同比例的訓(xùn)練數(shù)據(jù)的情況,實(shí)現(xiàn)了模型精度的提升。同時本文通過可視化權(quán)重在一定程度上實(shí)現(xiàn)了模型的可解釋性。最后,分別在NASA電池數(shù)據(jù)集和CALCE電池數(shù)據(jù)集的上進(jìn)行對比實(shí)驗(yàn),驗(yàn)證了本文所提模型對小樣本數(shù)據(jù)的適用性。(3)提出了基于隨機(jī)充電片段數(shù)據(jù)進(jìn)行電池SOH估計和RUL預(yù)測方法。首先提出了一種特征重構(gòu)方法,通過將充電數(shù)據(jù)劃分為任意等電壓間隔片段來重新劃分隨機(jī)充電片段數(shù)據(jù),并從中提取并構(gòu)建適用于隨機(jī)充電數(shù)據(jù)進(jìn)行估計的健康特征。此外,針對多電池估計數(shù)據(jù)量過大引起的模型訓(xùn)練時間長和復(fù)雜度高,導(dǎo)致模型不適用于實(shí)際應(yīng)用的問題,在前文模型的基礎(chǔ)上引入了堆疊自編碼器結(jié)構(gòu),提升了模型對噪聲魯棒性。同時引入了貝葉斯參數(shù)優(yōu)化方法,解決了人工調(diào)參模型不適用于所有的隨機(jī)輸入數(shù)據(jù)的問題,實(shí)現(xiàn)了模型的在線估計。

碩士論文

相關(guān)知識

基于新健康因子的鋰電池健康狀態(tài)估計和剩余壽命預(yù)測
鋰離子電池壽命測試與健康狀態(tài)估計
鋰離子電池荷電狀態(tài)估計及壽命預(yù)測方法研究
多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf
鋰離子電池健康狀態(tài)估計簡介：基于Python的數(shù)據(jù)處理計算SOH, RUL, CCCT, CVCT
動態(tài)工況下鋰離子動力電池荷電狀態(tài)估計和健康狀態(tài)預(yù)測
基于電化學(xué)模型的鋰離子電池健康狀態(tài)估算
鋰離子電池健康狀態(tài)估計方法
電池壽命預(yù)測與健康評估.pptx
鋰電池健康狀態(tài)如何影響電池壽命

網(wǎng)址: 基于數(shù)據(jù)驅(qū)動的鋰離子電池健康狀態(tài)估計和剩余使用壽命預(yù)測 http://m.u1s5d6.cn/newsview1388229.html