电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,...电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,已经逐渐成为分析锂离子电池性能的有力工具。然而,传统的电池阻抗谱测试方法耗时长、成本高昂。为此,以实现锂离子电池的精细化检测与健康状态快速评估为目标,围绕基于电化学阻抗谱重构技术的电池健康状态估计方法展开研究。通过逆重复最大长度序列设计多频电流激励信号,实现了电池阻抗谱的快速测试。采用连续小波变换开展阻抗谱重构,从而获取目标频率范围内的电池阻抗信息,整个过程耗时小于4.5 min。通过不同老化状态电池在特殊频率点下的重构阻抗幅值建立经验模型,实现了电池健康状态的快速准确评估。展开更多
预测锂离子电池剩余使用寿命(remaining useful life,RUL)对于确保电池的安全和可靠使用至关重要。首先,针对电池容量序列因容量回升及外界干扰呈非线性变化、目标电池退化数据稀少,全生命周期数据难以获取的问题,本文结合变分模态分解(...预测锂离子电池剩余使用寿命(remaining useful life,RUL)对于确保电池的安全和可靠使用至关重要。首先,针对电池容量序列因容量回升及外界干扰呈非线性变化、目标电池退化数据稀少,全生命周期数据难以获取的问题,本文结合变分模态分解(variational mode decomposition,VMD)和排列熵(permutation entropy,PE)的优势,对已有的其他类似衰退模式电池数据进行去噪重构,作为模型训练数据。其次,本文采用滚动预测策略,用滚动滑窗的方式对训练数据进行划分和拼接。然后,训练擅长捕捉全局依赖关系的Transformer网络。最后,预测过程当中输入目标电池部分数据,进行滚动迭代预测。本文先在马里兰大学先进生命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)提供的电池数据集上,采用留一评估,依次对其本身电池数据进行实验验证,实验证明本文预测方法的各项性能指标良好,4块电池RUL的平均相对误差为2.21%,具有较高的准确性。再基于美国航空航天局(National Aeronautics and Space Administration,NASA)的B0005电池进行模型泛化验证,B0005电池得到的RUL相对误差为2.34%,进一步验证了本文方法的有效性。展开更多
文摘电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,已经逐渐成为分析锂离子电池性能的有力工具。然而,传统的电池阻抗谱测试方法耗时长、成本高昂。为此,以实现锂离子电池的精细化检测与健康状态快速评估为目标,围绕基于电化学阻抗谱重构技术的电池健康状态估计方法展开研究。通过逆重复最大长度序列设计多频电流激励信号,实现了电池阻抗谱的快速测试。采用连续小波变换开展阻抗谱重构,从而获取目标频率范围内的电池阻抗信息,整个过程耗时小于4.5 min。通过不同老化状态电池在特殊频率点下的重构阻抗幅值建立经验模型,实现了电池健康状态的快速准确评估。
文摘预测锂离子电池剩余使用寿命(remaining useful life,RUL)对于确保电池的安全和可靠使用至关重要。首先,针对电池容量序列因容量回升及外界干扰呈非线性变化、目标电池退化数据稀少,全生命周期数据难以获取的问题,本文结合变分模态分解(variational mode decomposition,VMD)和排列熵(permutation entropy,PE)的优势,对已有的其他类似衰退模式电池数据进行去噪重构,作为模型训练数据。其次,本文采用滚动预测策略,用滚动滑窗的方式对训练数据进行划分和拼接。然后,训练擅长捕捉全局依赖关系的Transformer网络。最后,预测过程当中输入目标电池部分数据,进行滚动迭代预测。本文先在马里兰大学先进生命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)提供的电池数据集上,采用留一评估,依次对其本身电池数据进行实验验证,实验证明本文预测方法的各项性能指标良好,4块电池RUL的平均相对误差为2.21%,具有较高的准确性。再基于美国航空航天局(National Aeronautics and Space Administration,NASA)的B0005电池进行模型泛化验证,B0005电池得到的RUL相对误差为2.34%,进一步验证了本文方法的有效性。
