-
题名贫数据条件下锂离子电池容量退化轨迹预测方法
- 1
-
-
作者
管鸿盛
钱诚
孙博
任羿
-
机构
北京航空航天大学可靠性与系统工程学院
-
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第9期3084-3093,共10页
-
文摘
在锂离子电池使用过程中,因实际运行条件的限制,通常难以获取大量完整标记的电池数据,对实现电池容量退化轨迹的准确预测构成了显著挑战。为此,本文提出了一种融合容量退化曲线增广和常用神经网络算法的锂离子电池容量退化轨迹预测方法。首先,基于少量完整标记的电池容量退化数据,采用多项式函数和蒙特卡洛方法得到虚拟容量退化曲线,并通过KL散度和欧氏距离进行筛选。之后,构建多层感知机(multi-layer perceptron,MLP)、卷积神经网络(convolutional neural network,CNN)、门控循环单元网络(gated recurrent unit,GRU)和长短期记忆网络(long short-term memory,LSTM)等四类常用神经网络模型,用以映射虚拟容量退化曲线数据至电池实际容量。最后,以虚拟容量退化曲线数据为输入,实际容量为输出,利用少量完整标记电池的数据对模型进行预训练,并利用待预测电池的早期退化数据进行微调,从而实现容量退化轨迹预测。通过77只具有不同放电方案的电池的数据对所提方法进行验证。结果表明,在仅有3只完整标记电池的容量退化数据条件下,所提方法的预测性能不受神经网络类型的影响,四类神经网络均准确预测了其余电池的容量退化轨迹,MAPE和RMSE的均值分别控制在2.3%和31 mAh以下。
-
关键词
锂离子电池
容量退化轨迹
贫数据条件
神经网络
-
Keywords
lithium-ion battery
capacity degradation trajectory
data-scarce condition
neural network
-
分类号
TM91
[电气工程—电力电子与电力传动]
-
-
题名贫数据条件下燃料电池汽车故障分类方法
- 2
-
-
作者
聂振宇
李良雨
张广秀
陈帅
张晓辉
-
机构
中国汽车技术研究中心有限公司
中汽研汽车检验中心(天津)有限公司
-
出处
《汽车文摘》
2024年第6期39-44,共6页
-
文摘
燃料电池汽车是未来汽车工业可持续发展的重要方向,但现存燃料电池整车相关的测试评价标准尚未对燃料电池汽车存在的故障类型及其分类进行深入研究,缺乏统一故障分级分类方案。为改善该问题,提出一套完善的燃料电池汽车故障模式的分级分类评价指标以统一相关故障等级,重点研究在缺乏数据条件下的燃料电池汽车故障分类方法。基于因子分析法和模糊集理论,提出一种针对燃料电池汽车在贫数据条件下的故障模式分类评价方法,为燃料电池汽车故障等级的分类提供指导意见。
-
关键词
燃料电池汽车
贫数据
故障分类
模糊集理论
因子分析法
-
Keywords
Fuel cell vehicle(FCV)
Data deficiency
Fault classification
Fuzzy set theory
Factor analysis method
-
分类号
U469.72
[机械工程—车辆工程]
-
-
题名贫数据条件下油气站场安全仪表系统SIL等级评估
被引量：1
- 3
-
-
作者
李冬辉
-
机构
大庆油田有限责任公司第二采油厂数字化运维中心
-
出处
《油气田地面工程》
2023年第1期62-67,共6页
-
文摘
为减少数据缺失对油气站场安全仪表系统SIL评估的影响,基于风险图法、有限差分法和可靠性理论,结合Monte Carlo模拟建立贫数据条件下的SIL等级评估方法,并以分离器超压保护SIF回路为例进行分析。结果表明,与LOPA分析和传统风险图计算结果相比,改进风险图法的SIL定级结果较为准确,仿真得到PFD的均值和中间值位于SIL2区域;无论是低要求模式还是高要求模式,危险失效概率λD和危险故障共因失效系数β对SIL验证结果的影响较大;仿真模拟各元件的均值和中间值均落在95%的置信区间内,目前系统的SIL验证结果为2级,满足安全需求。研究结果可为数据缺乏条件下的SIL评估提供实际参考。
-
关键词
安全仪表系统
贫数据
油气站场
SIL评估
Monte
Carlo
危险失效概率
-
Keywords
safety instrument system
poor data
oil and gas station
SIL evaluation
Monte Carlo
hazardous failure probability
-
分类号
TE88
[石油与天然气工程—油气储运工程]
-
