通过数据驱动方法同时分离电池多尺度动态并预测多步超前电压
系统与控制
2023-10-24 v1 系统与控制
摘要
在各种老化条件下准确预测电池性能对于可靠稳定的电池运行十分必要。由于复杂的电池退化机制,估计准确的老化程度及与老化相关的电池动态较为困难。本工作提出一种健康感知电池模型,能够分离快速动态与缓慢变化的退化及荷电状态(SOC)状态。该方法基于序列到序列学习的编码器-解码器模型,其中编码器以无监督方式将缓慢变化的状态推断为潜空间变量,解码器基于编码器的缓慢变化状态提供健康感知的多步超前预测。所提方法在基于电动汽车真实行驶工况的锂离子电池老化数据集上进行了验证。
引用
@article{arxiv.2310.14289,
title = {Separating multiscale Battery dynamics and predicting multi-step ahead voltage simultaneously through a data-driven approach},
author = {Tushar Desai and Riccardo M. G. Ferrari},
journal= {arXiv preprint arXiv:2310.14289},
year = {2023}
}
备注
6 pages, 10 figures, IEEE Vehicle Power and Propulsion confernce(IEEE VPPC 2023)