基于时间卷积网络的锂离子电池荷电状态估计方法
机器学习
2020-11-20 v1 信号处理
摘要
近年来，电动汽车（EV）车队规模急剧扩大，各类交通工具电气化的兴趣显著增长。电动汽车主要由锂离子电池组等储能系统供电。电池组总容量对应电动汽车的可用续航里程。荷电状态（SOC）是可用电池容量与总容量的比值，以百分比表示。准确估计SOC对于确定电动汽车使用中的可用续航里程至关重要。本文采用时间卷积网络（TCN）方法来估计SOC，这是TCN在SOC估计任务中的首次实现。估计在1 C和25{\deg}C下于HWFET、LA92、UDDS和US06等多种行驶循环上进行。结果表明，TCN架构达到了99.1%的精度。
引用
@article{arxiv.2011.09775,
title = {A Temporal Convolution Network Approach to State-of-Charge Estimation in Li-ion Batteries},
author = {Aniruddh Herle and Janamejaya Channegowda and Dinakar Prabhu},
journal= {arXiv preprint arXiv:2011.09775},
year = {2020}
}
备注
17th IEEE India Council International Conference 2020