章节
基于特征工程的电池健康状态评价
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。
检索正文关键字
章节目录
- 一 引言
-
二 基于特征融合筛选的电池健康状态估计
- (一)健康因子提取方法综述
- 1.基于外部测量数据的特征提取
- 2.基于计算数据的特征提取
- (二)特征选择方法
- 1.基于过滤的特征选择方法
- 2.基于封装法的特征选择方法
- 3.基于融合方法的特征选择方法
- (三)电池健康状态估计精度验证
- (四)小结
- (一)健康因子提取方法综述
-
三 基于电池包特征带的剩余里程研究
- (一)数据源介绍
- (二)特征带提取
- 1.IC特征的初步提取
- 2.IC特征的筛选
- 3.IC特征带
- (三)等效循环次数
- (四)其他基于局部充电过程的特征提取
- (五)基于车载数据的预测验证
- (六)小结
-
四 基于通用特征提取的电池健康状态估计
- (一)基于局部放电过程的通用健康因子提取
- (二)动态工况下的提取方法
- (三)SOH估计验证
- (四)小结
- 五 总结与展望
相关文献
查看更多>>>