利用机器学习评估电池用于梯次利用的可行性
系统与控制
2023-04-10 v2 机器学习
系统与控制
摘要
本文提出一种机器学习技术组合，用以对退役电动汽车电池进行快速评估，以决定是将这些电池保留用于梯次利用并延长其超出原始和初次意图的运行，还是送至回收设施。所提算法从可用的电池电流和电压测量值中通过简单统计生成特征，利用相关性分析对特征进行选择与排序，并采用经 bagging 增强的高斯过程回归。该方法在超过 200 个电芯的公开老化数据集上得到验证，这些数据集涵盖慢充与快充、不同正极化学体系以及多样运行条件。基于多种训练-测试划分观察到有前景的结果，其中最坏情形下均方根百分比误差和平均百分比误差的均值分别小于 1.48% 和 1.29%。
引用
@article{arxiv.2203.04249,
title = {Evaluating feasibility of batteries for second-life applications using machine learning},
author = {Aki Takahashi and Anirudh Allam and Simona Onori},
journal= {arXiv preprint arXiv:2203.04249},
year = {2023}
}
备注
23 pages