锂离子电池凭借其优异性能已被广泛应用于电动车辆、移动机器人、可穿戴设备、储能场站等场景。在电池使用过程中，不可避免出现的非线性、强时变的容量衰减严重影响着电池性能。为确保电池工作的安全性和可靠性，快速准确的容量估计至关重要。然而，由于电池化学、充电模式、工作温度以及用户习惯的变化，实现真实世界条件下快速、准确、稳健的在线容量估计充满挑战。
针对上述问题，西安交通大学机械工程学院梅雪松、徐俊教授团队提出了一种基于单电压特征高斯过程回归（GPR）的数据驱动方法，可在3分钟内实现锂离子电池变温、非恒流充电快速容量估计。该工作首次通过实验生成了基于非恒流充电协议的电池老化数据集，针对非恒流充电开发了可在3分钟内收集的高质量健康特征，结合GPR实现了快速容量估计。该方法的平均容量估计误差仅为0.65%，其精度相比传统方法提高了60%以上。同时，该工作提出了一种基于早期数据线性变换的温度迁移策略，可将25℃建立的模型低误差（误差降低30%以上）迁移至其他温度条件（如10℃和40℃）。该工作为实现非恒流、全温域的锂电池容量估计提供了新的解决方案。
锂离子电池凭借其优异性能已被广泛应用于电动车辆、移动机器人、可穿戴设备、储能场站等场景。在电池使用过程中，不可避免出现的非线性、强时变的容量衰减严重影响着电池性能。为确保电池工作的安全性和可靠性，快速准确的容量估计至关重要。然而，由于电池化学、充电模式、工作温度以及用户习惯的变化，实现真实世界条件下快速、准确、稳健的在线容量估计充满挑战。
针对上述问题，西安交通大学机械工程学院梅雪松、徐俊教授团队提出了一种基于单电压特征高斯过程回归（GPR）的数据驱动方法，可在3分钟内实现锂离子电池变温、非恒流充电快速容量估计。该工作首次通过实验生成了基于非恒流充电协议的电池老化数据集，针对非恒流充电开发了可在3分钟内收集的高质量健康特征，结合GPR实现了快速容量估计。该方法的平均容量估计误差仅为0.65%，其精度相比传统方法提高了60%以上。同时，该工作提出了一种基于早期数据线性变换的温度迁移策略，可将25℃建立的模型低误差（误差降低30%以上）迁移至其他温度条件（如10℃和40℃）。该工作为实现非恒流、全温域的锂电池容量估计提供了新的解决方案。
近日，上述研究工作分别以“非恒流充电和变温条件下数据驱动的电池容量快速估计方法”（A fast data-driven battery capacity estimation method under non-constant current charging and variable temperature）和“基于部分充电曲线的数据驱动电池容量估计的对比研究”（A comparative study of data-driven battery capacity estimation based on partial charging curves）为题发表于储能领域权威期刊《储能材料》（Energy Storage Materials）和《能源化学》（Journal of Energy Chemistry）。
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/53268.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。