实车数据驱动的锂电池剩余使用寿命预测方法研究

锂离子动力电池剩余使用寿命（RUL）预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法,本质上是一个递推的过程,每一次预测的误差会随预测次数增加而累积,难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论,建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法,使用编码器-解码器（ED）框架改进长短时记忆神经网络模型（LSTM）构建从序列到序列预测的EDLSTM模型,并融合ARIMA模型预测误差趋势,进而修正最终预测结果。理论分析和实车采集数据验证表明,该方法在预测比例超过历史数据总量35%的情况下,仍然能较好地拟合实车SOH衰退曲线,有效提高锂电池剩余使用寿命的预测精度。     

基于非线性降维IC特征的实车电池SOH估计EI北大核心CSCD

基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。     

车用动力电池包内部温湿耦合特性分析

汽车动力电池包内部的潮湿和凝露现象是温湿度耦合作用的结果,它直接影响电池性能、加剧电池失效且可能引发安全事故,但相关的研究工作还未得到足够关注,开展电池包内部温湿度耦合特性的分析工作尤为迫切。基于此,研究相应瞬态数值分析方法,求解电池包内部空间动态变化的温湿度分布情况。首先,分析电池包内部空间和外界环境的气体交换、热量传递过程,建立热湿传递的物理模型,并根据流体运动三大基本守恒定律以及温湿度耦合关系,建立对应的热湿传递数学模型;利用恒温恒湿箱和安装防水透气阀的电池包箱体进行热湿传递试验,验证外界环境动态变化的温湿度对电池包内部温湿度的影响以及电池包内部出现凝露和积水现象的条件;建立电池包及其内部空间的多物理场耦合三维模型,对电池包内外的热湿传递与温湿度耦合过程进行瞬态数值模拟,根据仿真计算结果与试验结果的对比验证模型的可靠性;采用真实气候环境数据定义模型中动态变化的电池包外部环境,从时间和空间分布的角度分析电池包内部温湿度的瞬态计算结果。研究结果表明：所提出的瞬态数值分析方法的可行性佳,得到了外界环境以及电池工作状态的动态变化对电池包内温湿分布、电池表面凝露时长的影响规律。