基于机器学习的锂离子电池荷电状态高保真估计
信号处理
2019-09-06 v1 机器学习
系统与控制
系统与控制
摘要
本文提出一种通过向运行中的电池单体引入一种脉冲注入形式，来增强现有应用于荷电状态（SoC）估计的机器学习算法的方法。据信，脉冲响应中所包含的信息可由机器学习算法解读，而其他技术因非线性难以解码。通过仿真给出了电流脉冲幅值的灵敏度分析，使研究者能依据所需的精度提升选取合适的电流水平。训练了一个多层前馈神经网络以获取脉冲序列与真实 SoC 之间的非线性关系。实验数据经训练，结果显示前景良好，在使用 10 - 10,000 层规模、训练 0 - 1 百万轮次下 SoC 估计误差小于 2%。说明了并提供了专为所提技术设计的测试流程。还讨论了所提策略的实现。亦给出了集成于现有主动均衡硬件中执行增强 SoC 估计的详细系统布局。
引用
@article{arxiv.1909.02448,
title = {High-Fidelity State-of-Charge Estimation of Li-Ion Batteries Using Machine Learning},
author = {Weizhong Wang and Nicholas W. Brady and Chenyao Liao and Youssef A. Fahmy and Ephrem Chemali and Alan C. West and Matthias Preindl},
journal= {arXiv preprint arXiv:1909.02448},
year = {2019}
}
备注
8 pages, 12 figures