基于矩阵轮廓的锂离子电池在线拐点起始检测
机器学习
2023-04-04 v1 机器学习
摘要
锂离子电池（LiBs）在拐点起始前退化缓慢，此后退化加速直至寿命终止（EOL）。标志加速退化率开始的拐点起始，对于提供电池性能变化的早期预警至关重要。然而，关于在线拐点起始识别的文献有限。此外，若能用易采集的测量数据完成此类识别则更为理想。为应对这些挑战，利用放电数据中的时间信息，开发了一种在线拐点起始识别方法。首先，通过动态时间规整提取轻微退化阶段放电电压周期中蕴含的时间动态。其次，在子序列相似性搜索中由 Matrix Profile 暴露异常。当新周期的时间动态超出控制限且轮廓指数指示状态变化时，检测到拐点起始。最后，利用所识别的拐点起始与电池 EOL 周期的强相关性，将电池分类为长寿命或短寿命类别。在电池分类及同统计分布下所获训练数据的支持下，所提 SOH 估计模型取得了增强的估计结果，均方根误差低至 0.22%。
引用
@article{arxiv.2304.00691,
title = {Lithium-ion Battery Online Knee Onset Detection by Matrix Profile},
author = {Kate Qi Zhou and Yan Qin and Chau Yuen},
journal= {arXiv preprint arXiv:2304.00691},
year = {2023}
}