用于锂离子电池健康状态估计的领域知识引导机器学习框架
机器学习
2024-09-24 v1 系统与控制
系统与控制
摘要
准确估计电池健康状态对于有效的电动汽车电池管理至关重要。在此，我们提出了五个可以从实际电动汽车运行中在线提取的健康指标，并开发了一种基于机器学习的方法来估计电池健康状态。所提出的指标为电池的能量衰减和功率衰减提供了物理见解，即使在数据部分缺失的情况下也能实现准确的容量估计。此外，它们可以在部分充电曲线和实际驾驶放电条件下进行计算，从而促进实时的电池退化估计。这些指标是使用在电动汽车条件下老化的五个电池的实验数据计算得出的，并采用线性回归模型来估计健康状态。结果表明，使用功率自相关和基于能量的特征训练的模型能够实现容量估计，其最大绝对百分比误差在 1.5% 至 2.5% 之间。
引用
@article{arxiv.2409.14575,
title = {Domain knowledge-guided machine learning framework for state of health estimation in Lithium-ion batteries},
author = {Andrea Lanubile and Pietro Bosoni and Gabriele Pozzato and Anirudh Allam and Matteo Acquarone and Simona Onori},
journal= {arXiv preprint arXiv:2409.14575},
year = {2024}
}