针对现有锂离子电池组健康状态(state of health,SOH)精确估计难题,设计了一种融合电池组整体与单体不一致性多尺度特征的高精度SOH估计方法。在该方法中,提出了一种结合卷积神经网络(convolutional neural network,CNN)、柯尔莫可洛夫...针对现有锂离子电池组健康状态(state of health,SOH)精确估计难题,设计了一种融合电池组整体与单体不一致性多尺度特征的高精度SOH估计方法。在该方法中,提出了一种结合卷积神经网络(convolutional neural network,CNN)、柯尔莫可洛夫-阿诺德网络(Kolmogorov-Arnold network,KAN)与Bahdanau注意力(Bahdanau attention,BA)机制的深度学习模型CNN-KANBA。在提出的SOH估计过程中,首先通过对6节串联18650电池组开展系统老化实验,获取全生命周期数据。进而,采用增量能量分析(incremental energy analysis,IEA)方法提取表征电池组整体衰退的增量能量曲线长度特征,同时计算组内单体电压中位数绝对偏差量与温度峰度作为反映不一致性演化的关键个体特征,从而构建了全面描述电池组“整体-单体”协同衰退的多尺度特征集。利用训练数据的特征训练了CNN-KAN-BA估计模型,并对测试数据进行了验证,结果表明该方法可实现高精度SOH估计,其平均绝对误差为0.5874%,均方根误差为0.6990%,平均决定系数高于98%,均优于其他常见的SOH估计方法。所提出的方法可有效解决锂离子电池组SOH精确估计问题。展开更多
基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两...基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两个阶段的恒流放电:特定倍率放电到截至电压—静置—标准倍率放电到截至电压(CC-OC-CC)。依据两个阶段放电的总电荷量(最大可用电荷量)而非第一阶段的电荷量(可用电荷量)去建立修正的Peukert方程(PE3)。该方程(PE3)反映了倍率与电荷损耗(库仑效率)之间的关系,排除了剩余电荷量的影响,更适合于动态工况下的荷电状态(State of charge,SOC)估计。另外磷酸铁锂电池试验表明剩余电荷量与电流倍率的关系规律性更强,更符合Peukert形式的方程(PE2),与铅酸电池Peukert模型的扩散机理一致,故剩余电荷量也可据此估计。展开更多
文摘针对现有锂离子电池组健康状态(state of health,SOH)精确估计难题,设计了一种融合电池组整体与单体不一致性多尺度特征的高精度SOH估计方法。在该方法中,提出了一种结合卷积神经网络(convolutional neural network,CNN)、柯尔莫可洛夫-阿诺德网络(Kolmogorov-Arnold network,KAN)与Bahdanau注意力(Bahdanau attention,BA)机制的深度学习模型CNN-KANBA。在提出的SOH估计过程中,首先通过对6节串联18650电池组开展系统老化实验,获取全生命周期数据。进而,采用增量能量分析(incremental energy analysis,IEA)方法提取表征电池组整体衰退的增量能量曲线长度特征,同时计算组内单体电压中位数绝对偏差量与温度峰度作为反映不一致性演化的关键个体特征,从而构建了全面描述电池组“整体-单体”协同衰退的多尺度特征集。利用训练数据的特征训练了CNN-KAN-BA估计模型,并对测试数据进行了验证,结果表明该方法可实现高精度SOH估计,其平均绝对误差为0.5874%,均方根误差为0.6990%,平均决定系数高于98%,均优于其他常见的SOH估计方法。所提出的方法可有效解决锂离子电池组SOH精确估计问题。
文摘基于铅酸电池试验的Peukert方程(Peukert equation,PE)提供一个修正电流倍率影响的经验模型。但该模型的试验及应用中,存在混淆电荷损失及剩余电荷量的问题。采用二阶段放电试验方法来建立修正的Peukert模型,即对于每种倍率分别进行两个阶段的恒流放电:特定倍率放电到截至电压—静置—标准倍率放电到截至电压(CC-OC-CC)。依据两个阶段放电的总电荷量(最大可用电荷量)而非第一阶段的电荷量(可用电荷量)去建立修正的Peukert方程(PE3)。该方程(PE3)反映了倍率与电荷损耗(库仑效率)之间的关系,排除了剩余电荷量的影响,更适合于动态工况下的荷电状态(State of charge,SOC)估计。另外磷酸铁锂电池试验表明剩余电荷量与电流倍率的关系规律性更强,更符合Peukert形式的方程(PE2),与铅酸电池Peukert模型的扩散机理一致,故剩余电荷量也可据此估计。
