面向电池退化诊断、肩部 onset 检测与肩部预测的可迁移物理信息框架
系统与控制
2025-08-18 v2 系统与控制
摘要
电池容量肩部 (knee) 现象的技术经济性和安全问题，呼求开发在线肩部检测和预测方法作为先进电池管理系统 (BMS) 的功能。为此，本文提出了包括直方图特征工程方法、混合物理信息模型和微调策略的可迁移物理信息框架，用于在线电池退化诊断和肩部 onset 检测。首先开发并在协议循环情景下评估混合模型，然后微调以创建部署在动态循环情景中的本地模型。发现 2D 直方图特征的 17 特征集在源情景和目标情景中均为最佳选择。微调策略在改善电池退化模式估计和退化阶段检测性能方面证明有效。再次发现，识别出的肩部 onset 点与肩部点之间存在强线性相关性。因此，可以通过电池性能数字孪生体在云端实现高级 BMS 功能，包括在线退化诊断和预估、在线肩部 onset 检测和肩部预测、老化感知的电池分类以及二手电池再利用。
关键词
引用
@article{arxiv.2501.14573,
title = {A Transferable Physics-Informed Framework for Battery Degradation Diagnosis, Knee-Onset Detection and Knee Prediction},
author = {Huang Zhang and Xixi Liu and Faisal Altaf and Torsten Wik},
journal= {arXiv preprint arXiv:2501.14573},
year = {2025}
}