电池文献阅读
文章平均质量分 63
关于电池soc、soh等的文献阅读记录
小时不识月123
20200909,要加油呀!!!
展开
-
电池故障估计:Realistic fault detection of li-ion battery via dynamical deep learning
文章发布了从清华大学EV数据平台收集的三个大规模数据集,这些数据集包括来自347辆电动汽车的69万多个LiB充电片段,包括55辆异常车辆(LiB故障车辆)和292辆正常车辆(LiB无故障车辆),为相同品牌的车辆。车级故障标签由驾驶员报告生成,工程师根据镀锂、续航里程过低、温度过高或电压异常变化(过低、电池间不一致等)的识别进行确认。这些标签是逐案创建的,不能用基于规则的数据表达式来描述。电池故障时或故障附近的异常数据被删除。原创 2023-11-14 18:03:36 · 980 阅读 · 7 评论 -
soc估计:DESIGN AND DEVELOPMENT OF SoC ESTIMATION MODEL USING MACHINE LEARNING
特征选用速度、电流、电压、温度、平均电压、平均电流、平均速度,模型用cnn+lstm+lr+lr。平均特征计算方式:近50个时刻的取值求平均。原创 2023-11-16 19:31:19 · 639 阅读 · 0 评论 -
soh估计:Data-driven prediction of battery cycle life before capacity degradation
充电时:采用 "C1(Q1)-C2"的策略,C1和C2分别是第一和第二恒定电流步骤,Q1是电流切换时的充电状态(SOC,%),第二个电流步骤在80%的SOC时结束,此后电池以1C CC-CV充电到3.6V 及C/50的电流截止点。124块商用LFP/石墨电池,A123 Systems,型号APR18650M1A,标称容量1.1Ah,额定电压为3.3V,制造商推荐的快充协议是3.6C恒定电流-恒定电压 (CC-CV)。放电时:4C到2.0V,其中1C为1.1A,先恒流再恒压。评测指标:MAPE和RMSE。原创 2023-11-16 19:30:36 · 564 阅读 · 4 评论 -
电池不一致性:A correlation based fault detection method for short circuits in battery packs
鉴于相关系数衡量的是两条曲线的趋势是否匹配,趋势的相似性。关系数提取电压下降的非趋势性信息来检测短路的初始阶段,并将变化反映在相关系数的下降上。理想情况下,两个串联电池电压的相关系数在正常运行时应接近1,当发生短路时,异常的电压降。图3(b):三种不同窗口大小的计算结果之间的比较表明,较小的窗口大小会导致对异常电压变。移动窗口大小:太大,由短路导致的异常电压变化对相关系数的影响可以忽略不计,太小,噪。应用移动平均窗口来保持电池的最新电压趋势,保持对短路故障的检测灵敏度。史时间窗口中的数据的相关系数。原创 2023-11-15 20:15:32 · 140 阅读 · 0 评论 -
soc估计:“State-of-charge sequence estimation of lithium-ion battery based on bidirectional long short”
文献阅读记录原创 2022-09-23 15:28:34 · 211 阅读 · 0 评论