利用电芯级早期退化数据进行可解释的电池循环寿命范围预测
系统与控制
2023-04-25 v2 机器学习
系统与控制
摘要
利用早期退化数据进行电池循环寿命预测，在整个电池产品生命周期中具有许多潜在应用。为此，人们提出了各种数据驱动方法，在最少了解电池退化机制的情况下进行电池循环寿命的点预测。然而，要以较低的经济和技术风险来管理报废阶段数量快速增长的电池，就需要对循环寿命进行带有量化不确定性的预测，而这目前仍然缺乏。这些先进数据驱动方法的可解释性（即高预测准确性的原因）也值得研究。本文引入了一种分位数随机森林（Quantile Regression Forest, QRF）模型，其优点是不假设循环寿命的任何特定分布，除了进行高精度的点预测外，还能进行循环寿命范围预测，其不确定性量化为预测区间的宽度。通过提出的 alpha-logistic 加权准则对 QRF 模型的超参数进行优化，以校准与预测区间相关的覆盖概率。最后，利用两种全局模型无关方法，即排列重要性和部分依赖图，探索了最终 QRF 模型的可解释性。
引用
@article{arxiv.2204.12420,
title = {Interpretable Battery Cycle Life Range Prediction Using Early Degradation Data at Cell Level},
author = {Huang Zhang and Yang Su and Faisal Altaf and Torsten Wik and Sebastien Gros},
journal= {arXiv preprint arXiv:2204.12420},
year = {2023}
}