一个数据驱动和基于模型的组合算法,用于准确的电池热逃跑警告
Qingyang Chen1, Yinghui He1, Nengjie Fang2
1College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou 310027, China.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
这项研究引入了一种新的算法,用于早期检测电池热失控 (TR). 通过结合数据驱动和基于模型的方法,它提供先进的警告,并减少储能系统中的错误报警.
科学领域:
- 电池安全工程 电池安全工程
- 储能系统 储能系统 储能系统
- 异常检测算法 异常检测算法
背景情况:
- 对大规模能源存储的需求不断增长,需要提高电池安全性.
- 现有的热失控 (TR) 预警算法存在局限性:模型驱动的方法复杂且缺乏多功能性,而数据驱动的方法则需要高的培训成本和错误报警率.
研究的目的:
- 开发一种混合算法,用于准确和早期检测电池热失控.
- 克服现有的基于模型和数据的TR警告方法的局限性.
主要方法:
- 开发了一种数据驱动 (K-Means算法用于异常值检测) 和基于模型 (Bernardi方程用于温度评估) 的综合方法.
- 两个模块的输出被加权并结合起来,以进行全面的电池异常评估.
主要成果:
- 拟议的混合算法实现了对热失控事件的25分钟预警.
- 与现有方法相比,虚假报警的可能性大大降低.
结论:
- 混合算法有效地整合了模型驱动和数据驱动技术的优势,以提高电池安全性.
- 这种方法为大规模储能系统中可靠的热失控预警提供了有希望的解决方案.
更多相关视频
08:42In Situ Gas Analysis and Fire Characterization of Lithium-Ion Cells During Thermal Runaway Using an Environmental Chamber
Published on: March 31, 2023
2.1K
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
