离子电池的剩余使用寿命预测使用新型粒子流波器框架与灰色模型
Wang Shuai1, Li Yiting1, Zhou Shoubin2
1Digital Fujian Internet-of-Things Laboatory of Environmental Monitoring, College of Computer and Cyber Security, Fujian Normal University, Fuzhou, 350117, Fujian, China.
Scientific reports
|January 26, 2025
概括
这项研究引入了一种新的灰色模型粒子流量过器 (GM-PFF),以改善离子电池 (LIB) 的剩余使用寿命 (RUL) 预测. 通过解决电池健康管理中的颗粒降解问题,GM-PFF方法提高了准确性.
科学领域:
- 电池健康管理 电池健康管理
- 预测和健康管理 (PHM)
- 离子电池 (LIB) 是一种离子电池.
背景情况:
- 剩余使用寿命 (RUL) 预测对于离子电池预后至关重要.
- 颗粒过器中的颗粒降解降低了RUL预测的准确性,增加了RUL预测的不确定性.
- 现有的方法难以准确地估计粒子流波器的状态.
研究的目的:
- 提出一种新的灰色模型粒子流量过器 (GM-PFF),用于在LIBs中准确预测RUL和健康状况 (SoH).
- 为了解决和减轻基于颗粒过器的RUL预测中固有的颗粒降解问题.
- 为了提高电池RUL预测的准确性和减少不确定性.
主要方法:
- 使用最小平方法用于初始双指数实证模型参数估计.
- 采用灰色模型 (GM) 来预测当前循环容量作为粒子流波器的观察值.
- 应用粒子流波器 (PFF) 方法来更新模型参数和预测RUL.
主要成果:
- 拟议的GM-PFF方法有效地解决了粒子降解,提高了RUL预测准确度.
- 与基准数据集上的标准PFF相比,GM-PFF显示根平均平方误差 (RMSE) 减少了1%.
- 在电池寿命的早期,中期和晚期实现了准确的RUL预测,提供了概率分布.
结论:
- 在离子电池的RUL预测中,GM-PFF提供了显著的进步.
- 这种新的方法通过克服传统颗粒过器的局限性来提高电池预测.
- GM-PFF为电池健康管理和预测性维护提供了更可靠的工具.
更多相关视频
10:41The Effect of Charging and Discharging Lithium Iron Phosphate-graphite Cells at Different Temperatures on Degradation
Published on: July 18, 2018
15.4K
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
