离子电池的SOH估计使用放松时间的分布和功能优化的多层感知器
Fang Wang1, Shiqiang Liu1, Shiqin Chen2
1China Automotive Technology & Research Center Co. Ltd, Tianjin 300300, China.
iScience
|October 7, 2025
概括
使用RQ元件的新电化学阻抗光谱 (EIS) 方法改善了电池健康监测. 这种方法通过减少参数灵敏度和特征冗余性来增强健康状况 (SOH) 估计.
科学领域:
- 电化学 电化学 电化学
- 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:
- 电化学阻抗光谱 (EIS) 提供了有关电池退化的宝贵数据.
- 目前的放松时间分布 (DRT) 方法与模两可的特征和参数选择作斗争.
研究的目的:
- 开发一个强大的DRT方法用于电池退化分析.
- 通过改进的阻抗式功能来增强健康状况 (SOH) 估计.
主要方法:
- 提出了一种新的DRT方法,利用RQ元素来降低参数灵敏度.
- 采用特征选择算法来优化SOH估计的信息峰值.
- 利用多层感知子 (MLP) 模型基于选定的特征进行SOH预测.
主要成果:
- RQ-DRT方法显示出增强的稳定性和减少提取特征的模糊性.
- 优化的功能组合显著改善了SOH估计性能.
- 验证了对不同离子电池化学和充电状态的方法.
结论:
- RQ-DRT方法为电池退化分析提供了一种实用且稳定的方法.
- 将基于阻抗的时间尺度分析与机器学习相结合,为电池管理系统 (BMS) 提供了可行的途径.
- 这项工作提高了电池中SOH监测的可靠性.
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
5.2K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
2.1K
