基于神经网络的动态充电曲线下的电池健康状态估计与增量容量分析
系统与控制
2026-01-12 v3 系统与控制
摘要
增量容量分析（ICA）和差分电压分析（DVA）是电池退化监测的两种有效方法。它们实际应用的一个限制因素是需要恒流（CC）充电曲线。本研究消除了这一限制，提出了一种将 ICA/DVA 基退化监测从恒流充电扩展到动态充电曲线的方法。提出了虚拟增量容量（VIC）和虚拟差分电压（VDV）的新概念。然后，提出了两种相关的卷积神经网络（CNN），称为 U-Net 和 Conv-Net，用于构建 VIC/VDV 曲线并从满足某些约束的任何荷电状态（SOC）范围内的动态充电曲线估计健康状态（SOH）。最后，提出了两种 CNN——Mobile U-Net 和 Mobile-Net——分别替代 U-Net 和 Conv-Net，以减少计算开销和内存需求，同时保持相似的性能。利用广泛的电池模块实验数据集，所提出的 CNN 被证明能够提供精确的 VIC/VDV 曲线，并在各种快充协议和不同 SOC 范围内实现基于 ICA/DVA 的电池退化监测。
引用
@article{arxiv.2502.19586,
title = {Battery State of Health Estimation and Incremental Capacity Analysis under Dynamic Charging Profile Using Neural Networks},
author = {Qinan Zhou and Gabrielle Vuylsteke and R. Dyche Anderson and Jing Sun},
journal= {arXiv preprint arXiv:2502.19586},
year = {2026}
}
备注
Addressed a lot of reviewer comments; Modified title and addressed reviewer comments