基于最小真实数据的混合融合电池退化诊断：桥接实验室与实际应用
计算工程、金融与科学
2024-10-10 v1
摘要
电池寿命的不可预测性一直是电动车和储能系统等安全关键型系统技术进步的关键瓶颈。本文提出一种新型混合融合策略，结合物理模型和数据驱动方法准确预测电池容量。该策略仅利用 45 片真实数据段，结合超过 170 万模拟数据段（来自随机部分充电循环），即可实现平均估计误差仅 0.63%。通过充分验证的物理模型电池模型，我们从实验室退化数据中提取典型老化模式，并扩展到更为完整的参数空间，涵盖潜在实际应用中多样化的电池老化状态，同时考虑实际单元间的差异。通过桥接受控实验室实验与实际使用场景之间的差距，该方法凸显了从高保真物理模型传递底层知识到数据驱动模型中，用于预测复杂动态系统行为的潜力。
引用
@article{arxiv.2410.06469,
title = {Hybrid Fusion for Battery Degradation Diagnostics Using Minimal Real-World Data: Bridging Laboratory and Practical Applications},
author = {Yisheng Liu and Boru Zhou and Tengwei Pang and Guodong Fan and Xi Zhang},
journal= {arXiv preprint arXiv:2410.06469},
year = {2024}
}