一种可解释的在线预测方法,用于离子电池的剩余使用寿命
Zuxin Li1, Shengyu Shen2, Yifu Ye2,3
1School of Intelligent Manufacturing, Huzhou College, Huzhou, 313000, China. lzx@zjhu.edu.cn.
Scientific reports
|May 31, 2024
概括
本研究介绍了一种在线方法,用于预测离子电池剩余使用寿命 (RUL),准确计算容量再生. 该方法通过精确的RUL估计提高了电气系统的稳定性.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 保持电气系统的稳定性需要准确预测离子电池剩余使用寿命 (RUL).
- 现有的方法往往难以解释复杂的现象,如容量再生,影响预测准确性.
- 在线估计方法对于实时系统管理至关重要.
研究的目的:
- 提出一种可解释的在线方法,用于精确估计离子电池的RUL.
- 将容量再生现象纳入并反映在RUL预测模型中.
- 通过改进电池健康监测,提高电气系统的可靠性和稳定性.
主要方法:
- 从电池充/放电周期中提取四个关键健康指标 (HI),用于在线预测.
- 使用支向量回归 (SVR) 进行未来特征提取和高斯过程回归 (GPR) 进行容量建模.
- 采用沙普利增量解释法 (SHAP) 进行模型解释和分析.
- 用高斯非白噪声构建容量预测的状态空间来模拟再生.
- 应用无气味卡尔曼波器 (UKF) 来获得修改的预测HI和噪声.
- 为最终的RUL预测,将基线HI与再生信息的HI整合在一起.
主要成果:
- 拟议的在线方法在RUL预测中实现了高精度.
- 该方法有效地捕捉并反映能力再生现象.
- 实验结果显示,故障的绝对误差RUL低于5.
- 计算RUL预测的置信区间,最小区间为2,反映再生能力.
结论:
- 开发的在线方法为离子电池提供了准确和可解释的RUL预测.
- 整合容量再生显著提高了预测准确度.
- 这种方法有助于提高使用离子电池的电气系统的稳定性和可靠性.
更多相关视频
11:25Identification and Quantification of Decomposition Mechanisms in Lithium-Ion Batteries; Input to Heat Flow Simulation for Modeling Thermal Runaway
Published on: March 7, 2022
4.5K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.5K
