全國服務熱線
400-608-7689
掃描二維碼添加微信
新聞動態
一文了解鋰電池健康診斷和剩余壽命預測
北京理工大學的熊瑞教授團隊提出了基于老化特征的鋰電池健康診斷和剩余壽命預測方法，算法可以用較小的計算量得到精度較高的結果。研究成果在eTransportation國際交通電動化雜志上發表。
鋰離子電池在電動汽車中廣泛應用，當其容量低于初始容量的80%時，該電池就達到了使用壽命。電池健康狀態（SOH）診斷和鋰離子電池的剩余使用壽命（RUL）預測可以幫助電動汽車用戶實時監控電池的狀態，避免故障的發生。
SOH診斷方法可分為基于模型的方法和基于特征提取的方法?；谀Ｐ偷姆椒ㄍǔＰ枰姵厝芷谙碌腟OC-OCV對應關系，標定較為費時且對于車載BMS的計算負擔較大；特征提取方法通過大量的健康指標和SOH的關系來構建一個數據驅動模型，可以降低車載BMS的在線估計的計算量。其中的健康指標通常由電池的端電壓曲線中提出得到。本文作者抽取了一般情況下的充電電壓曲線和電流倍率區間中的特征，用來估計電動汽車的電池容量。
RUL預測方法可分為基于模型的方法和數據驅動方法。基于模型的方法通過非線性模型來預測電池的RUL，該方法的主要缺點是很難設計加速老化測試來收集有效的離線訓練數據；數據驅動方法通過機器學習的方法來預測電池 RUL，需要一些離線或在線訓練數據集。本文作者根據電池老化特性分析，開發了一種RUL預測方法，該方法使用0.5C下的數據離線訓練模型，并且以遞歸的方式進行在線計算，以緩解計算負擔。
鋰離子電池在電動汽車中廣泛應用，當其容量低于初始容量的80%時，該電池就達到了使用壽命。電池健康狀態（SOH）診斷和鋰離子電池的剩余使用壽命（RUL）預測可以幫助電動汽車用戶實時監控電池的狀態，避免故障的發生。
SOH診斷方法可分為基于模型的方法和基于特征提取的方法?；谀Ｐ偷姆椒ㄍǔＰ枰姵厝芷谙碌腟OC-OCV對應關系，標定較為費時且對于車載BMS的計算負擔較大；特征提取方法通過大量的健康指標和SOH的關系來構建一個數據驅動模型，可以降低車載BMS的在線估計的計算量。其中的健康指標通常由電池的端電壓曲線中提出得到。本文作者抽取了一般情況下的充電電壓曲線和電流倍率區間中的特征，用來估計電動汽車的電池容量。
RUL預測方法可分為基于模型的方法和數據驅動方法。基于模型的方法通過非線性模型來預測電池的RUL，該方法的主要缺點是很難設計加速老化測試來收集有效的離線訓練數據；數據驅動方法通過機器學習的方法來預測電池 RUL，需要一些離線或在線訓練數據集。本文作者根據電池老化特性分析，開發了一種RUL預測方法，該方法使用0.5C下的數據離線訓練模型，并且以遞歸的方式進行在線計算，以緩解計算負擔。
文章閱讀
