摘要
随着新能源汽车的快速普及,电池系统的性能和使用寿命更加受到社会的关注。针对电池老化状态快速精确估计及长时间尺度剩余寿命预测的难题,本文开展了基于特征工程的电池系统健康诊断研究。总结并分类介绍了现有数据驱动方法的关键健康特征提取方法,分析了各种特征与电池容量的相关性,并提出基于过滤与封装法融合的特征子集筛选方法,提高了特征子集的有效性和容量估计的准确性,同时有效降低了特征维度从而降低计算复杂度。针对宏观车载使用条件,提出基于电池包特征带和局部充电工况特征提...
随着新能源汽车的快速普及,电池系统的性能和使用寿命更加受到社会的关注。针对电池老化状态快速精确估计及长时间尺度剩余寿命预测的难题,本文开展了基于特征工程的电池系统健康诊断研究。总结并分类介绍了现有数据驱动方法的关键健康特征提取方法,分析了各种特征与电池容量的相关性,并提出基于过滤与封装法融合的特征子集筛选方法,提高了特征子集的有效性和容量估计的准确性,同时有效降低了特征维度从而降低计算复杂度。针对宏观车载使用条件,提出基于电池包特征带和局部充电工况特征提取的剩余里程预测方法,实现车载条件下的剩余里程准确预测。针对不同电化学体系的电池和不同使用条件特别是动态使用工况,提出基于局部放电工况的通用健康特征提取方法,在不同条件下实现了高精的健康预测,并分析了不同机器学习算法的健康诊断效果。
<<
>>
作者简介
车云弘: 车云弘,重庆大学,主要研究方向为锂离子电池建模、状态估计和寿命预测。
邓忠伟: 邓忠伟,博士,重庆大学,弘深青年教师,主要从事锂离子电池数据驱动和机理建模等方面研究。
李阳: 李阳,重庆大学,主要研究基于大数据的电动汽车电池组健康诊断。
胡晓松: 胡晓松,博士,重庆大学教授,主要研究锂离子动力电池/超级电容系统管理、机电复合动力总成优化设计与控制等。
相关报告