数据驱动的锂离子电池故障检测与预测预后
数据分析、统计与概率
2022-12-05 v1
摘要
电池预后与健康管理的预测模型是电池管理系统框架中安全与可靠性协议的核心组成部分。总体而言，开发符合当前文献的鲁棒且高效的电池模型，是确保电池功能安全的有用步骤。为此，提出一种多物理、多尺度确定性数据驱动预后(DDP)方法，其仅依赖于数据的原位测量，并基于从系统中提取的曲率信息估计故障。不同于需要显式表达守恒原理的传统应用，所提方法在每个数据点邻域内构造一个局部守恒泛函，表示为系统中曲率的最小化。通过消除离线训练需求，该方法可在预测时域内预测多种系统的失稳起始。用于预后失稳的预测时域，亦可视为剩余使用寿命(RUL)指标。该框架随后被用于分析锂离子电池的健康状态。基于结果，表明DDP技术可准确预测锂离子电池的故障起始。
引用
@article{arxiv.2212.01236,
title = {Data-Driven Prognosis of Failure Detection and Prediction of Lithium-ion Batteries},
author = {Hamed Sadegh Kouhestani and Lin Liu and Ruimin Wang and Abhijit Chandra},
journal= {arXiv preprint arXiv:2212.01236},
year = {2022}
}