用细分回归方法检测电动汽车离子电池的故障检测
Muaaz Bin Kaleem1, Yun Zhou2, Fu Jiang1
1School of Electronic Information, Central South University, Changsha, 410075, China.
Scientific reports
|December 31, 2024
概括
本研究引入了针对电动汽车离子电池故障检测的细分回归. 它通过单独分析充电和放电阶段来提高准确性,提高电池的安全性和可靠性.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
背景情况:
- 电动汽车 (EV) 越来越受欢迎,但离子电池的安全性和可靠性仍然是一个重大问题.
- 现有的电池故障检测方法往往忽略了充电和放电阶段的独特特征,可能会限制准确性.
- 识别电压偏差对于检测内部/外部短路和容量降低等故障至关重要.
研究的目的:
- 提出一种新的细分回归方法,以更准确地检测电动汽车离子电池故障.
- 为了提高电压偏差的检测,表明关键电池故障.
- 开发一个综合模型,考虑驾驶行为和环境因素,用于动态故障检测.
主要方法:
- 在正常和故障条件下收集了18个月的现实世界电动汽车电池数据.
- 应用细分回归来区分充电和放电周期,以进行详细的电池行为分析.
- 集成了一个优化的封闭循环单元网络,用于精确的电池电压估计.
- 开发了一个使用高斯过程回归的自适应值算法,结合了驾驶和环境数据.
主要成果:
- 分段回归方法有效地捕捉了充电和放电期间不同的电池行为.
- 集成模型在故障检测方面取得了很高的准确性,在充电时达到99.803%,在放电时达到99.507%.
- 适应值算法动态估计了正常电压波动范围,提高了故障检测灵敏度.
结论:
- 分段回归为电动汽车离子电池故障检测提供了比传统方法更好的方法.
- 拟议的综合模型通过准确识别关键电压偏差,提高了电池的安全性和可靠性.
- 该方法为实时监控和电动汽车主动故障管理提供了强大的框架.
