锂离子电池故障检测和预测的数据驱动预后
摘要：电池预测与健康管理预测模型是电池管理系统框架中安全性和可靠性协议的基本组成部分。总体而言，开发一个符合当前文献的稳健高效的电池模型对于确保电池功能的安全性是一个有用的步骤。为此，提出了一种基于多物理、多尺度确定性数据驱动预测（DDP）的方法，该方法仅依赖于现场测量数据，并根据系统中提取的曲率信息估计故障。与传统应用不同，传统应用需要明确表达守恒原理，而所提出的方法在每个数据点的邻域中设定了一个局部守恒函数，该函数表示系统中曲率的最小化。通过消除离线训练的需求，该方法可以预测各种系统未来稳定性的发生。而用于预测失稳的预测时间窗口则被视为剩余寿命（RUL）的度量。然后，将该框架用于分析锂离子电池的健康状况。基于结果，它已经证明了DDP技术可以准确预测锂离子电池故障的发生。
作者：Hamed Sadegh Kouhestani, Lin Liu, Ruimin Wang, and Abhijit Chandra
论文ID：2212.01236
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2022-12-05