基于牛津大学公开数据集的健康特征提取

BMS小旭

于 2024-05-03 23:16:59 发布

阅读量997

点赞数 2

文章标签：学习算法能源

本文链接：https://blog.csdn.net/a2267897749/article/details/138425278

版权

本文介绍部分常用的健康特征以及提取方式，基于牛津大学公开数据集进行展示。
这里我将充电数据提取出来变成charge_data结构体，i就代表第i*100个周期

等压升时间

等压升时间是非常常用的一个健康特征，在恒流充电的情况，该特征可以很好的反映出电池的老化状态。简单可以理解为电池的容量下降，相同容量下SOC上升速度变快导致端电压上升速度变快。
提取方式如下：

Vmin = 3.8;
Vmax = 4.0;
for i = 1 : length(charge_data)
    vol_c = charge_data(i).voltage;
    time_c = charge_data(i).relativeTime;
    vol_c_min_index = find(vol_c > 3.8, 1);
    vol_c_max_index = max(find(vol_c < 4.0));

    C_dvdt = time_c(vol_c_max_index) - time_c(vol_c_min_index);
    character_data(i).C1 = C_dvdt;
end

与SOH的皮尔逊相关系数0.9986

等压降时间

等压升时间是非常好用的一个健康特征，在恒流放电的情况，该特征可以很好的反映出电池的老化状态。但是一般放电工况都不一致，所以不是一个很通用的特征。
提取方式如下：

Vmin = 3.8;
Vmax = 4.0;
for i = 1 : length(charge_data)
    vol_c = charge_data(i).voltage;
    time_c = charge_data(i).relativeTime;
    vol_c_min_index = find(vol_c > 3.8, 1);
    vol_c_max_index = max(find(vol_c < 4.0));

    C_dvdt = time_c(vol_c_max_index) - time_c(vol_c_min_index);
    character_data(i).C1 = C_dvdt;
end

与SOH的皮尔逊相关系数0.9998

充电瞬时电阻

电阻类特征往往会波动比较大，但是与SOH有决定性的关系，因此也是一个常被考虑的健康特征。值得注意的是一般在相近SOC下考虑电阻往往效果比较好。
提取方式如下：

for i = 1 : length(charge_data)
    vol_c = charge_data(i).voltage;
    dv = vol_c(2) - vol_c(1);
    C_R = dv / 0.74;
    character_data(i).C3 = C_R;
end

与SOH的皮尔逊相关系数-0.6289，SOH是由放电容量算的，所以对于充电特征一般不如放电特征。

放电瞬时电阻

提取方式如下：

for i = 1 : length(discharge_data)
    vol_d = discharge_data(i).voltage;
    dv = vol_d(2) - vol_d(1);
    D_R = dv / 0.74;
    character_data(i).C4 = D_R;
end

与SOH的皮尔逊相关系数0.9912
本文章只是简单列举了几个健康特征，各种物理意义的特征加起来有20多种不止，这里就不一一列举了。