基于不确定性感知贝叶斯神经网络的实用电池健康监测

电池健康监测和预测在电动出行时代至关重要，涉及安全、可持续性和经济性等方面。现有研究通常侧重预测准确性，但往往忽视可能阻碍技术在实际应用中部署的实际因素。本文针对这些实际考量，开发了基于贝叶斯神经网络的模型，用于预测电池终止寿命。我们的模型使用与电池健康相关的传感器数据，并对模型的每个参数应用分布，而非单一点值。这使模型能够捕捉电池健康的内在随机性和不确定性，从而实现准确预测并提供可量化的不确定性。我们进行了实验研究，证明了所提出模型的有效性，预测误差率平均为13.9%，部分测试电池最低可达2.9%。此外，所有预测都包含可量化的确定性，该确定性在电池从初始到中期寿命阶段提升了66%。该研究对电池技术具有实际价值，促进了技术在行业中的采纳。