面向数据驱动电池SOH模型的模型驱动数据集生成
信号处理
2025-04-29 v1
摘要
估计电池的健康状态（SOH）对于确保电池系统的可靠运行至关重要。由于在运行时没有实际方法瞬时测量SOH，因此需要模型进行估计。近年来，提出了多种数据驱动的SOH模型，其准确性高度依赖于训练所用数据集的质量。由于这些数据集来自测量，它们在充放电曲线的多样性方面受到限制。为解决这一稀缺性问题，我们提出通过模拟传统电池模型（例如电路等效模型）来生成数据集。该方法的主要优势在于能够使用可模拟的电池模型评估潜在无限数量的工作负载曲线，以训练数据驱动模型。此外，这一通用概念可应用于任何可模拟的电池模型，提供精细的精度/复杂度权衡。我们的结果表明，使用模拟数据在SOH估计中达到了合理的准确性，相对于模拟模型的误差为7.2%，同时实现了27倍的内存减少和约2000倍的加速。
引用
@article{arxiv.2401.05474,
title = {Model-Driven Dataset Generation for Data-Driven Battery SOH Models},
author = {Khaled Sidahmed Sidahmed Alamin and Francesco Daghero and Giovanni Pollo and Daniele Jahier Pagliari and Yukai Chen and Enrico Macii and Massimo Poncino and Sara Vinco},
journal= {arXiv preprint arXiv:2401.05474},
year = {2025}
}
备注
6 pages, 5 figures, conference paper at the 2023 IEEE/ACM ISLPED