宽电流范围下锂离子电池剩余放电能量预测: 机器学习方法
系统与控制
2025-01-13 v4 系统与控制
摘要
锂离子电池已找到其方式来推动电气化、脱碳和可持续发展.确保其安全和最佳性能的关键方面是监控其能源水平.本文提出了首个在低至高 C 率范围内对电池单元进行放电的剩余能量预测研究.挑战的复杂性源于电池在 C 率下的能源可用性以及其在高 C 率下的复杂电热动力学.为此, 我们提出了剩余放电能量的新定义, 并系统性地利用机器学习的力量来实现其预测.我们的工作包括两个部分.首先, 我们基于物理与机器学习集成开发了准确的动态模型, 以捕捉电池的电压和温度行为.其次, 基于该模型, 我们提出一种机器学习方法, 在任意 C 率和预指定电压和温度限制下预测剩余放电能量.实验验证表明, 所提出的方法在 NCA 电池的 0~8 C 和 LFP 电池的 0~15 C 范围内, 剩余放电能量预测的相对误差小于 3%.该方法按设计可训练和计算.
引用
@article{arxiv.2404.14767,
title = {Remaining Discharge Energy Prediction for Lithium-Ion Batteries Over Broad Current Ranges: A Machine Learning Approach},
author = {Hao Tu and Manashita Borah and Scott Moura and Yebin Wang and Huazhen Fang},
journal= {arXiv preprint arXiv:2404.14767},
year = {2025}
}
备注
15 pages, 13 figures, 4 tables