基于高斯过程回归的锂离子电池原位容量估计
应用统计
2018-01-17 v2
摘要
准确的车载容量估计在锂离子电池应用中至关重要。电池充放电常在恒流负载下发生，因此该条件下的电压-时间测量在实践中可能可获取。本文提出一种数据驱动诊断技术——用于原位容量估计的高斯过程回归（GP-ICE），其利用恒流运行短时段内的电压测量来估计电池容量。与以往工作不同，GP-ICE 不依赖于将电压-时间数据解释为增量容量（IC）或差分电压（DV）曲线。这克服了需对电压-时间数据求导（该过程会放大测量噪声）以及电压测量范围须涵盖 IC/DV 曲线峰值的要求。GP-ICE 应用于两个数据集，分别包含 8 和 20 个电芯。在每种情况下，在特定电压范围内，少至 10 秒的恒流运行即可实现约 2-3% RMSE 的容量估计。
引用
@article{arxiv.1712.02595,
title = {Gaussian Process Regression for In-situ Capacity Estimation of Lithium-ion Batteries},
author = {Robert R. Richardson and Christoph R. Birkl and Michael A. Osborne and David A. Howey},
journal= {arXiv preprint arXiv:1712.02595},
year = {2018}
}
备注
12 pages, 10 figures, submitted to IEEE Transactions on Industrial Informatics