检索结果-南通市图书馆

基于实车数据和BP-AdaBoost算法的电动汽车动力电池健康状态估计

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2022年第21期22卷 9398-9406页

作者：周仁张向文桂林电子科技大学电子工程与自动化学院桂林541004 广西自动检测技术与仪器重点实验室桂林541004

动力电池健康状态(state of health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方... 详细信息

动力电池健康状态(state of health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方面,在清洗异常数据时,保留了实车数据中合理的强噪声数据,保证了数据的真实性。特征选择方面,选择容量增量曲线峰值和对应的电压以及基于安时积分得到的小片段充电容量数据。算法方面,针对真实数据的弱时序性问题,利用反向传播-自适应推进(back propagation-adapt boost, BP-AdaBoost)算法进行电池SOH估计的研究。最后,利用同一类型三辆车的数据进行了模型训练、测试和验证,预测结果与长短期记忆-循环神经网络(long short term memory-recurrent neural network, LSTM-RNN)算法对比,BP-AdaBoost算法估计误差更小,平均绝对误差达到0.96%,因此,所提出的方法可以应用于实车电池SOH的高精度估计。

关键词：电动汽车动力电池健康状态(SOH)估计实车数据 BP-AdaBoost算法

基于支持向量机与改进高斯过程混合模型的车用电池容量预测方法

在线全文

学校读者我要写书评

暂无评论

电气工程学报 2024年第1期19卷 87-96页

作者：李雨佳欧阳权刘灏仪祝铭烨王志胜南京航空航天大学自动化学院南京211106 中国科学技术大学网络空间安全学院合肥230026

基于数据驱动的容量预测有助于锂电池健康管理以延长其使用寿命。然而,目前大多数相关方法基于实验室数据展开,无法反映实际复杂工况下车用电池老化特性。因此,本文利用电动汽车实车数据,设计了一种基于支持向量机与改进高斯过程的混合... 详细信息

基于数据驱动的容量预测有助于锂电池健康管理以延长其使用寿命。然而,目前大多数相关方法基于实验室数据展开,无法反映实际复杂工况下车用电池老化特性。因此,本文利用电动汽车实车数据,设计了一种基于支持向量机与改进高斯过程的混合模型,实现了车用电池容量的精确预测。首先从汽车实时运行数据集中利用滑动窗口安时积分法提取其容量数据,设计了集合经验模态分解方法,将电池容量分为长期退化趋势和短期波动两部分,然后分别设计支持向量机与改进高斯过程对这两个分量进行建模,将结果融合得到最终的容量预测值。基于三辆实车数据集的试验结果表明,所提出的方法可以适用于实车数据的高精度容量预测。

关键词：实车数据容量预测支持向量机改进高斯过程

基于实车数据的电动汽车电池组SOH估计和RUL预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于实车数据的电动汽车电池组SOH估计和RUL预测

作者：丁璐长安大学

学位级别：硕士

动力电池组是电动汽车最核心的部件,有效地对其健康状态(State of Health,SOH)估计及剩余寿命(Remaining Useful Life,RUL)预测是保证电动汽车安全、稳定和高效运行的关键。由于电池组的性能参数与电动汽车的运行工况高度相关,而实验室... 详细信息

动力电池组是电动汽车最核心的部件,有效地对其健康状态(State of Health,SOH)估计及剩余寿命(Remaining Useful Life,RUL)预测是保证电动汽车安全、稳定和高效运行的关键。由于电池组的性能参数与电动汽车的运行工况高度相关,而实验室条件难以对实际运行工况进行模拟,因此研究基于实车数据的电池组SOH估计和RUL预测更具有实用价值和现实意义。本文基于电动汽车实际运行数据,对电池组的SOH估计和RUL预测开展研究,主要研究内容如下:(1)对实车数据进行缺失值处理、片段划分和异常值处理操作,为后续研究提供数据基础;进一步按片段对与电池组容量和内阻高度相关的电流和电压数据进行分析,揭示其片段特性以及其随充放电次数增加的变化规律。(2)针对实车数据的片段特性,提出从深度充放电片段出发计算电池组的容量和内阻值,为电池组SOH提供表征参数。通过安时积分逆运算获取不同充电深度下的容量值,确定最能反映容量衰退趋势的深度充电片段;进一步构建基于深度充电片段的电池组等效电路模型,采用含遗忘因子递推最小二乘法对模型进行参数辨识,实现对深度充电片段内阻的计算。考虑到容量及内阻缓慢连续变化的特性,为相邻放电片段赋予对应的容量和内阻值。(3)考虑到目前电池组SOH表征参数的单一性,对以容量和内阻表征的SOH结果进行融合,得到多指标融合的深度充放电片段的SOH值;针对无法直接计算SOH值的充放电片段,构建电池组特征参数与SOH之间的Light GBM和CNN模型。结果表明,利用Light GBM模型可有效实现对电池组SOH的估计,其验证集均方根误差仅有0.0509,相比于CNN模型,其均方根误差减少了0.0354。(4)以电池组SOH序列数据作为关键因子对电池组RUL进行预测。针对电池组SOH的时序特性,通过多参数优化实验,构建基于TCN-Attention的未来单时刻SOH预测模型;为了实现未来多时刻SOH的预测,以得到电池组RUL的预测结果,对单时刻SOH预测结果进行迭代构成模型新的输入数据。结果表明,TCN-Attention模型对未来多时刻SOH预测的效果最好,其验证集的均方根误差达到了0.2634,并且在TCN模型的基础上减少了0.2082。

关键词：实车数据电池组 SOH估计 RUL预测

动力电池健康状态估计及在实车数据上的应用研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动力电池健康状态估计及在实车数据上的应用研究

作者：李旭北京交通大学

学位级别：硕士

能源枯竭,环境污染等全球性问题日益加剧,国家大力倡导新能源汽车产业。动力电池作为整车的动力源,也是电动汽车的核心部件。准确的估计车用动力电池健康状态可以有效提升整车的运行安全并对电池的运行策略进行调整,对延缓动力电池的性... 详细信息

能源枯竭,环境污染等全球性问题日益加剧,国家大力倡导新能源汽车产业。动力电池作为整车的动力源,也是电动汽车的核心部件。准确的估计车用动力电池健康状态可以有效提升整车的运行安全并对电池的运行策略进行调整,对延缓动力电池的性能衰退有重要意义。本文面向实验室的老化数据及实车运行数据开展了锂离子电池全寿命周期健康状态估计研究,重点研究实验室数据开发的寿命模型在实车数据上的迁移应用,主要研究内容分为以下四个部分:(1)针对不同工况下锂离子电池衰退模式不清晰的问题,研究了不同工况下电池在全寿命周期内的电池特性变化。设计了5种不同温度与不同充放电倍率下的老化试验和性能测试实验,在全寿命周期内对电池容量、内阻与电压等电池特性的演变开展分析,分析了不同应力设置对老化特性的影响。(2)针对不同工况下锂离子电池健康状态评估不准且类实车数据下(数据采集质量低)健康状态估计难的问题,建立了特征驱动的SOH估计框架。采用容量增量分析法分析了实验室环境下电池老化过程中热力学衰退的基本规律并开展特征提取,建立三种机器学习模型估计电池健康状态,所有模型平均误差在1%以内。对实验室数据进行类实车处理,在IC曲线可用信息较少的情况下,将电压序列统计量特征作为特征集补充,所有模型下平均误差仍保持在1%以内,实现了实验室数据到实车数据SOH估计迁移的基础研究。(3)针对实车数据复杂且毫无规律的问题,开展车辆动力电池充电行为模式分析。首先分析实车数据的充放电片段与容量变化,确定使用充电片段用于后续工作。基于实车充电数据,明晰充电桩的充电制式与用户的充电习惯,最终确定面向实车数据SOH估计时充电片段的具体使用区间。(4)针对实车数据健康状态评估难的问题,建立了基于特征工程的实车SOH估计框架。在确定区间内无法获取IC特征的情况下,提取106个统计特征。采用距离相关性进行特征筛选,最终筛选出10个特征作为特征集,其中大部分与实车电池组一致性相关。在三个机器学习模型基础上增加深度学习模型,最终在所有模型下均取得较好的估计效果,最大误差均在5%以内,部分模型在3%以内。本文从锂离子电池老化机理出发,提出实验室工况下及类实车工况下电池健康状态评估方法,建立实车动力电池充电行为模式,最终构建面向实车数据的SOH估计方法。不仅对实验室动力电池全寿命周期健康管理的部分难题给出解答,更对实车SOH估计提供了前瞻性的解决方案,对实际的工程应用具有重大意义。

关键词：锂离子电池数据驱动 SOH估计实车数据

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实车数据的电池健康状态预测模型研究

基于实车数据的电池健康状态预测模型研究

作者：温锐湖南大学

学位级别：硕士

对电动汽车而言,电池健康状态(State of Health,SOH)预测一直是该领域研究的热点问题。精确的电池健康状态预测可以保障动力电池系统安全可靠地工作,优化动力电池系统的运行,并为电动汽车的能量管理和安全管理等提供依据。但目前绝大多... 详细信息

对电动汽车而言,电池健康状态(State of Health,SOH)预测一直是该领域研究的热点问题。精确的电池健康状态预测可以保障动力电池系统安全可靠地工作,优化动力电池系统的运行,并为电动汽车的能量管理和安全管理等提供依据。但目前绝大多数电池健康状态预测模型依赖于电池测试实验,并不一定适用于电动汽车实际运行过程的电池健康状态预测。因此,本文基于新能源汽车大数据平台记录的实车数据,采用数据挖掘技术对实际运行条件下的电池健康状态预测模型进行研究。首先对实车数据集中的异常数据进行处理,然后分别基于时间序列和安时吞吐量两个不同维度建立了电池健康状态预测模型。具体研究内容如下:(1)实车数据中异常数据处理。考虑到电磁干扰、设备质量以及网络不稳定等因素的影响,实车数据集中不可避免地存在异常数据。为了提高数据挖掘的效率,采用K-Means聚类算法对实车数据集中的异常数据进行处理。通过对移除异常数据后的数据集进行统计学分析,结合正常数据的参考范围,表明了该方法的有效性。(2)基于时间序列的电池健康状态预测模型。根据实车数据集中提取到的充电数据片段,通过电池容量计算、容量修正以及数据筛选获取了容量数据序列。并利用提出的自适应卡尔曼滤波模型对容量数据序列的噪声进行过滤。在根据容量定义法获取到按时间分布的电池健康状态序列后,对比分析了三种不同函数曲线下的电池健康状态模型。结合电池老化半经验模型阿伦尼乌斯公式,采用幂函数曲线建立了基于时间序列的电池健康状态预测模型。预测误差结果表明,所建立的预测模型能够预测电池健康状态随时间变化的衰减关系,且效果优于平均值法。(3)基于安时吞吐量的电池健康状态预测模型。根据电池健康状态的衰减程度很大程度上与车辆累计使用情况相关联这一客观现象,采用雨流计数法将电池载荷历程分解为若干个电池充放电循环。考虑电池充放电循环情况,对电池安时吞吐量进行分类统计。由于不同SOC循环区间下电池的衰减速率并不相同,提出采用不同影响系数建立基于安时吞吐量的电池健康状态预测模型。不同规模训练集下模型的预测结果表明,当训练数据比例达到或超过50%时,提出的基于安时吞吐量的电池健康状态预测模型能够在1%的误差范围内预测电池的健康状态。

关键词：电动汽车锂离子电池实车数据数据挖掘电池健康状态

基于遗传算法优化支持向量回归的电池SOH预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车技术 2024年第5期 31-36页

作者：何山郝雄博赵宇明姜颖李昊巍深圳供电局有限公司深圳518000 中汽数据(天津)有限公司天津300000 中国工业互联网研究院北京100000

针对实车运行过程中电池当前可用容量难获取、电池健康状态评估不准确的问题,提出利用车辆的停车充电片段数据,通过箱型图及卡尔曼滤波算法对安时积分法计算所得的电池容量进行修正,构建支持向量回归模型用于电池衰减预测,通过皮尔森相... 详细信息

针对实车运行过程中电池当前可用容量难获取、电池健康状态评估不准确的问题,提出利用车辆的停车充电片段数据,通过箱型图及卡尔曼滤波算法对安时积分法计算所得的电池容量进行修正,构建支持向量回归模型用于电池衰减预测,通过皮尔森相关性分析确定有效的模型输入参数,结合遗传算法优化模型参数。结果表明:优化后模型的拟合优度可达88%,相较于优化前提高了12%,可以实现电池健康状态的准确预测。

关键词：实车数据动力电池容量衰减卡尔曼滤波遗传算法支持向量回归

维普期刊数据库博看期刊

面向实车应用的磷酸铁锂电池容量辨识及特异性优化方法研究

在线全文

学校读者我要写书评

暂无评论

储能科学与技术 2024年

作者：陈星光沈逸凡邵裕新郑岳久孙涛来鑫沈凯韩雪冰清华大学汽车安全与节能国家重点实验室上海理工大学机械学院

锂离子电池作为电动汽车的重要部件之一，其健康程度直接影响到车辆的续航能力、安全性能以及整体运行效率。其中，容量作为描述电池健康状态的重要指标，实车条件下的准确估计是一个难题。为此，本文提出一种结合安时积分与等效电路模... 详细信息

锂离子电池作为电动汽车的重要部件之一，其健康程度直接影响到车辆的续航能力、安全性能以及整体运行效率。其中，容量作为描述电池健康状态的重要指标，实车条件下的准确估计是一个难题。为此，本文提出一种结合安时积分与等效电路模型，将容量作为待辨识参数之一，通过粒子群优化算法以实现容量辨识的方法。在此基础上，聚焦于磷酸铁锂电池的电压特殊性，提出了一种面向慢充工况的特异性优化方法，以解决容量辨识过程中模型端电压拟合较差的问题，主要通过截取充电末期电压片段与使用双维度目标函数两种方法实现。本研究基于两款搭载磷酸铁锂电池的电动汽车车型进行了精度验证。鉴于实车数据缺乏容量标签，本研究首先基于静置充电片段计算容量作为标签值。由于标签数量不足，又采用小里程下的标称容量作为标签，通过这两种方法进行精度验证。结果显示两款车型的平均绝对百分比误差分别为2.33%和3.38%，表明该方法具有较高的精度与适用性，为实车容量估计提供了一种思路与方法。

关键词：电动汽车实车数据容量估计磷酸铁锂电池

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电池充电状态和电压/温度异常联合故障诊断

科学技术与工程 2024年第8期24卷 3260-3268页

作者：傅振亮张建敏罗崴闫愿郝文美中车唐山机车车辆有限公司产品研发中心唐山063035 广西科技大学自动化学院柳州545000 北京理工大学电动车辆国家工程研究中心北京100081

电池安全问题是阻碍新能源汽车退役电池梯次再利用的关键因素,而电荷状态、电压和温度是判断电池安全状态的重要参数。基于此,提出基于实车数据的电池联合故障诊断。首先从实车数据平台获取数据,经过数据的预处理和螳螂算法优化K近邻(du... 详细信息

电池安全问题是阻碍新能源汽车退役电池梯次再利用的关键因素,而电荷状态、电压和温度是判断电池安全状态的重要参数。基于此,提出基于实车数据的电池联合故障诊断。首先从实车数据平台获取数据,经过数据的预处理和螳螂算法优化K近邻(dung beetle optimizes K-nearest neighbor,DBO-KNN)算法进行特征提取,然后将提取的特征输入到建立的差分整合移动平均自回归(autoregressive integrated moving average model,ARIMA)故障诊断模型中,实现对电池单体的低压和过压的实时诊断和精准定位,最后通过电压、电池荷电状态(state of charge,SOC)和温度进行联合判断是否有触发热失控的风险,根据危险程度发出不同的报警等级。算例分析了故障特征提取准确率高达98.97%,不仅能精准定位单体发生异常的位置,还能提前9 s发生报警,有效预防了电池发生热失控的风险,验证了本文方法的有效性。实现了工程实际应用方面的较好效果,为未来动力电池梯次循环利用以及安全预警平台的研发奠定了基础。

关键词：新能源汽车梯次利用动力电池实车数据多方法融合故障诊断

在线全文

学校读者我要写书评

暂无评论

汽车液晶仪表实车数据测试台开发及数据分析

重庆大学学报（自然科学版） 2018年第5期41卷 37-43页

作者：郭健忠吴建立谢斌程峰唐华亮武汉科技大学汽车与交通工程学院武汉430081 武汉保华液晶显示科技有限公司武汉430082

为实现汽车仪表全功能检测及显示策略验证,利用实车数据搭建仿真测试环境。通过上位机读取实车数据脚本,经串口将数据发送给电控单元,电控单元控制产生仪表信号,实现仪表功能测试。利用步进电机带动滑动变阻器模拟油浮子采集油量阻值原... 详细信息

为实现汽车仪表全功能检测及显示策略验证,利用实车数据搭建仿真测试环境。通过上位机读取实车数据脚本,经串口将数据发送给电控单元,电控单元控制产生仪表信号,实现仪表功能测试。利用步进电机带动滑动变阻器模拟油浮子采集油量阻值原理,实现实车油量数据的仿真。基于win32平台开发数据分析环境,对实车数据提取分析,为仪表中控制策略、显示算法提供数据依据。根据信号源制定通用的脚本协议,可以满足多种仪表规范的测试需求。通过多款仪表测试,本平台具有良好的实用性、通用性,且能大大缩短液晶仪表的研发、测试周期。

关键词：仪表实车数据测试 win32平台数据分析