基于改进的长期短期记忆神经网络的无线电池管理系统监控和自动报警系统的设计

科学领域:

• 电气工程 电气工程
• 计算机科学 计算机科学
• 材料科学 材料科学 材料科学

背景情况:

• 电池管理系统 (BMS) 对于监测电池健康状况和防止过度充电/放电至关重要.
• 传统的BMS数据收集是离线的,需要现场人员并限制实时分析.
• 准确的电池状态估计对于有效的BMS操作至关重要.

研究的目的:

• 开发一个无线BMS监控和报警系统,用于远程数据采集.
• 为了提高电池充电状态 (SoC) 估计的准确性和稳定性.
• 为了能够远程观察电池组的操作参数和问题细节.

主要方法:

• 设计和制造了一个无线BMS监控和报警系统,利用插座连接.
• 应用了具有批量规范化 (BN) 的长短期内存 (LSTM) 网络,用于时间序列数据分析.
• 采用了Denoise自动编码器 (DAE) 算法来进行数据删除和参数减少.

主要成果:

• 成功开发和评估了一个功能性的无线BMS监控系统.
• 在电池充电状态估计中实现了更高的准确性和稳定性.
• 将模型误差降低到5%的稳定范围内.

结论:

• 无线BMS可以实现智能远程管理,并增强电池控制.
• LSTM和DAE算法显著提高了电池状态估计的准确性.
• 该系统为远程电池监控和诊断提供了可靠的解决方案.