用于电动汽车电池退化概率分析的分层贝叶斯模型
系统与控制
2019-11-05 v1 系统与控制
摘要
本文提出一种用于电动汽车电池容量衰减概率估计的分层贝叶斯模型。由于温度、电流和荷电状态等电池老化因素并非固定，而是随不同时间、地点及不同用户而变化，具有恒定参数的确定性模型无法准确评估电池容量衰减。因此，包含变量测量或观测不确定性的容量衰减概率表示可作为一种恰当方案。我们针对电动汽车电池容量衰减，考虑多种外部变量，开发了分层贝叶斯网络模型。该模型的数学表达式基于贝叶斯定理导出，仔细选取了所有变量的概率分布及其依赖关系，并采用Metropolis Hastings马尔可夫链蒙特卡罗抽样方法生成后验分布。模型以85%的实验数据训练以获得其未知参数，并以其余15%的数据测试以证明其准确性。此外，探讨了针对不同驾驶员、不同电网服务频率以及不同气候的三项案例研究，以展示模型对不同输入数据的灵活性。所开发的模型在不同条件下参数调优需要训练数据。然而，训练后其在估计电池容量衰减百分比方面具有超过95%的精度。
引用
@article{arxiv.1911.01399,
title = {Hierarchical Bayesian Model for Probabilistic Analysis of Electric Vehicle Battery Degradation},
author = {Mehdi Jafari and Laura E. Brown and Lucia Gauchia},
journal= {arXiv preprint arXiv:1911.01399},
year = {2019}
}
备注
12 pages, 21 figures