迈向BMS2设计框架：具有BIBO稳定性保证的二次利用电池自适应数据驱动健康状态估计
系统与控制
2024-07-16 v2 系统与控制
摘要
目前阻碍退役电动汽车（EV）电池广泛用于二次利用（SL）应用的一个关键挑战是，能否准确估计和监测其健康状态（SOH）。二次利用电池系统可能来自不同的电池组，且缺乏对其历史使用情况的了解。为解决SL电池的现场使用问题，本文引入了一种具有有界输入有界输出（BIBO）稳定性保证的在线自适应健康估计方法。该方法完全依赖于可从SL电池实时获取的运行数据。所提方法的有效性在一个实验室老化的退役EV电池实验数据集上得到了展示。估计器增益会动态调整，以适应每个单体电池的独特特性，使其成为未来SL电池管理系统（BMS2）的一个有前景的候选方案。
引用
@article{arxiv.2401.04734,
title = {Towards a BMS2 Design Framework: Adaptive Data-driven State-of-health Estimation for Second-Life Batteries with BIBO Stability Guarantees},
author = {Xiaofan Cui and Muhammad Aadil Khan and Surinder Singh and Ratnesh Sharma and Simona Onori},
journal= {arXiv preprint arXiv:2401.04734},
year = {2024}
}
备注
Update the paper within the 10-page limit