Résumé
Teknoloji estimasyon Eta Sante (SOH) pou pil ityòm-ion enpòtan anpil pou sekirite ak fyab machin elektrik yo. Avèk devlopman entèlijans atifisyèl (AI) ak teknoloji aprantisaj machin (ML), jaden jesyon batri a ap kòmanse adopte metòd sa yo pou amelyore efikasite ak estabilite. Espesyalman, rezo neral yo te montre avantaj nan efikasite segondè, konsomasyon enèji ki ba, rezistans segondè, ak évolutivité nan simulation SOH ak prediksyon. Modèl ibrid la, konbine avèk modèl sikwi ekivalan (ECMs) ak aprantisaj pwofon, yo te pwouve yo gen potansyèl nan amelyore presizyon ak pèfòmans an tan reyèl nan estimasyon SOH. Direksyon rechèch nan lavni gen ladan itilize plis done sou plas pou tès depistaj karakteristik sante ak konstriksyon modèl, osi byen ke tès depistaj entèlijan ak konbinezon de paramèt batri yo pi byen karakterize SOH aktyèl la. Devlopman teknoloji sa yo pral amelyore plis jesyon syantifik, serye, ki estab ak gaya nan pil machin elektrik yo.
1. Yon ti tan
1.1 Enpòtans pil ityòm-ion pou machin elektrik ak enpòtans enpòtan estimasyon SOH
Batri ityòm ion yo enpòtan anpil pou operasyon machin elektrik, epi pèfòmans yo afekte pa divès pwosesis degradasyon. Estimasyon avèk presizyon eta sante (SOH) pil yo enpòtan anpil pou asire operasyon an sekirite, fyab, ak ekonomik nan machin elektrik. Kòm demann pou machin elektrik ap grandi, siveyans SOH vin de pli zan pli enpòtan, kòm pil ityòm-ion anjeneral tonbe a 80% nan kapasite orijinal yo anvan fen lavi yo. Anplis de sa, State of Charge (SOC) se tou yon paramèt kle, ak chanjman li yo ka reflete aje ak degradasyon nan kapasite batri. Prediksyon egzat SOC itil pou estimasyon SOH, ki an vire detèmine lavi ki rete nan batri a.
1.2 Devlopman metòd estimasyon SOH
Apèsi ak pwogrè nan metòd ki egziste deja:Plizyè metòd estimasyon SOH yo te devlope, pami yo metòd ki baze sou SOC entegre done an tan reyèl tankou aktyèl, vòltaj, ak tanperati pou reyalize pi egzak prediksyon SOH nan plizyè sik chaj ak egzeyat, optimize pèfòmans batri, anpeche defo, ak pwolonje lavi batri. . Dènye pwogrè yo nan metòd aprantisaj machin yo te amelyore plis estimasyon SOH, ak rezo neral tankou feedforward ak rezo neral konvolusyonèl fè byen nan modèl batri, depase metòd regresyon tradisyonèl yo nan konpleksite ak presizyon, ak yon devyasyon erè mwayèn nan apeprè 0 .16% ak yon rasin vle di erè kare nan 5.57mV nan nivo selil batri a.
1.3 Klasifikasyon ak Karakteristik Metòd Modèl Batri
Metòd analiz tankou entegrasyon aktyèl ak teknik vòltaj sikwi louvri (OCV) ka bay estimasyon SOH klè, men yo afekte pa akimile bri epi yo mande pou peryòd tan nan kanpe asire presizyon.
Apwòch ki baze sou modèl
Modèl bwat blan:Ki baze sou prensip elektwochimik detaye, li simulation konpòtman batri atravè paramèt debaz ak gwo presizyon. Sepandan, kondisyon enfòmatik segondè li yo ak sipozisyon senplifye pou dinamik mond reyèl la diminye presizyon li yo nan kondisyon dinamik, sa ki fè li pa apwopriye pou aplikasyon an tan reyèl.
Modèl bwat gri (tankou ECM):Konbine konesans fizik ak ajisteman anpirik, lè l sèvi avèk analoji sikwi pou apwoksimatif konpòtman batri, ka estime SOC ak gwo presizyon (anjeneral nan 3% erè), epi yo itil pou estimasyon SOH an tan reyèl ak prediksyon lavi itil ki rete (RUL), men fè fas a defi. nan kalite done ak kondisyon enfòmatik. Yon modèl sikwi ekivalan senp pou pil ityòm-ion (ki gen ladan rezistans seri ak jiska de eleman RC) ka itilize pou simulation serye, pandan y ap ECM ki pi konplèks (ki gen ladan plizyè branch RC oswa eleman faz konstan CPE) ka simulation pwosesis trè dinamik (tankou. kòm operasyon machin elektrik), men demann lan enfòmatik ogmante te kondwi devlopman nan pi avanse SOH estimasyon metòd.
Modèl bwat nwa (apwòch ki baze sou done):Ki baze sou done opinyon ak pwodiksyon, modèl la konstwi san yo pa konte sou konesans entèn prensip k ap travay. Teknik aprantisaj machin yo ka predi estati batri nan yon gwo kantite done mezi. Aprantisaj machin ekselan nan idantifye modèl nan done konplèks, tankou rezo neral milti-chanèl ki gen gwo presizyon nan estimasyon kapasite, men konte sou kalite siperyè ak divès kalite done fòmasyon. Sepandan, nan aplikasyon machin pratik, anpil varyab entèn yo pa ka mezire dirèkteman, ak done sparsity ak mank de entèpretasyon fè modèl la difisil pou konprann epi kenbe.
1.4 Evolisyon Metòd Modèl ak Devlopman Modèl Ibrid
Evolisyon nan metòd ki baze sou modèl:Nan deseni ki sot pase a, metòd ki baze sou modèl yo te kontinyèlman devlope, ki gen ladan Kalman filtraj (KF) ak ekstansyon li yo (tankou Pwolonje Kalman Filter EKF, Unscented Kalman Filter UKF). Metòd sa yo gen gwo presizyon nan estimasyon eta batri, men mande pou modèl dinamik presi epi yo konplèks pou aplike.
Ogmantasyon nan modèl ibrid:Yo nan lòd yo adrese limit yo nan done mond reyèl la ak amelyore efikasite enfòmatik, modèl ibrid te parèt, konbine metòd ki baze sou modèl ak metòd ki baze sou done pou fòme modèl aprantisaj machin atravè simulation detaye. An menm tan, teknik aprantisaj machin yo te fè pwogrè siyifikatif nan senk ane ki sot pase yo, ki gen ladan metòd pwobabilite, meta aprantisaj, aprantisaj kontrè, aprantisaj semi sipèvize, elatriye. Aprantisaj pwofon (yon sou-ansanm aprantisaj machin) te fè byen nan pwosesis estriktire ak done ki pa estriktire. Rezo Neral Enfòmasyon Fizik (PINNs) konbine modèl degradasyon anpirik ak rezo neral pou amelyore estimasyon SOH, amelyore adaptabilite metòd yo anba diferan kalite batri ak kondisyon yo. Ak devlopman nan endistri otomobil la, pwogrè teknolojik sa yo enpòtan anpil pou optimize pèfòmans batri, anpeche echèk, ak sipòte devlopman nan machin elektrik.
1.5 Apèsi sou chapit ki vin apre yo nan atik sa a
Seksyon 2 bay yon entwodiksyon detaye sou metòd yo pou tès depistaj ak seleksyon literati revizyon, asire nati sistematik ak konplè nan metodoloji rechèch la. Seksyon 3 bay yon analiz pwofondè nan teknik estimasyon eta chaj, eksplore enpak mekanis degradasyon batri sou metòd modèl pou batri machin elektrik, ki gen ladan filtè Kalman ak metòd amelyore li yo, osi byen ke entegrasyon ak modèl aje. Seksyon 4 konsantre sou teknik estimasyon SOH, konpare metòd tradisyonèl ak nouvo metòd, epi mete aksan sou metòd ki aplikab pou machin elektrik. Seksyon 5 demontre wòl aprantisaj pwofon nan estimasyon SOH, tankou rezo memwa alontèm (LSTM) ak modèl ibrid, ansanm ak fason rezo neral konvolusyonèl (CNN) konsidere faktè pratik pou amelyore presizyon evalyasyon sante. Finalman, Seksyon 6 rezime ak gade pou pi devan pou direksyon rechèch nan lavni pou sistèm jesyon sante batri sipòte devlopman nan mache machin elektrik la ak lòt aplikasyon pou depo enèji.
2. Materyèl ak Metòd
2.1 Definisyon Kesyon Rechèch
Etid sa a pwopoze senk kesyon kle pou gide aplikasyon teknoloji aprantisaj machin nan estimasyon SOH nan pil ityòm-ion nan machin elektrik.
Klarifye prensipal teknik aprantisaj machin yo itilize kounye a pou estime eta sante (SOH) batri ityòm-ion nan machin elektrik, epi eksplore algoritm espesifik ak modèl chèchè yo devlope epi itilize yo.
Eksplore enpak diferan sous done (laboratwa, machin, ak done jaden) sou presizyon ak solidite modèl aprantisaj machin estimasyon SOH, analize kijan sous done afekte pèfòmans modèl, epi detèmine ki done ki pi benefik pou prediksyon SOH egzat.
Idantifye defi kle yo nan aplike teknik aprantisaj machin nan estimasyon SOH nan pil ityòm-ion, osi byen ke varyasyon yo nan defi sa yo nan diferan kondisyon anviwònman ak senaryo aplikasyon, tankou fluctuations tanperati, aje, ak enpak la nan mòd itilizasyon diferan sou la. presizyon nan estimasyon SOH.
Konpare metòd analiz estimasyon SOH, diferans ki genyen ant metòd tradisyonèl yo, ak pwosesis evolisyon yo, etidye ki jan metòd aprantisaj machin yo ka entegre ak metòd tradisyonèl sa yo, idantifye avantaj respektif yo, dezavantaj yo ak sinerji potansyèl yo.
Gade pi devan nan direksyon rechèch nan lavni pou amelyore presizyon, adaptabilite, ak efikasite enfòmatik nan aprantisaj machin ki baze sou modèl estimasyon SOH nan pil ityòm-ion pou machin elektrik, idantifye twou vid ki genyen nan rechèch, kondisyon teknik, ak metòd inovatè.
2.2 Rechèch ak tès depistaj literati
Seleksyon baz done ak estrateji rechèch:Conduct a comprehensive literature search using Scopus database, determine keywords based on research questions, and use Boolean search strings (TITLE-ABS-KEY (electric AND vehicle) AND KEY (battery AND state AND of AND health) AND TITLE-ABS-KEY (lithium AND ion) AND PUBYEAR>2003 AK PUBYEAR<2025) to retrieve papers and patents published between 2003 and 2024. A total of 882 documents and 16286 patents were obtained, nearly half of which were published between 2020 and 2024, reflecting the industrial demand and progress in this field. The search results are distributed by year, major journals, national and patent offices, showing the time trend of research, journal distribution, regional diversity, and industry development priorities (such as battery management systems, modular architecture, vehicle control systems, and low resistance materials).
Depistaj literati ak konsantre:Literati rekipere yo kouvri plizyè domèn disiplinè, ak jaden jeni ki gen pwopòsyon ki pi wo (730 atik), ki te swiv pa enèji, syans enfòmatik, ak matematik. Apre yo fin konsantre sou domèn syans enfòmatik, yo te idantifye 209 dokiman ki enpòtan, nan ki 183 yo te pibliye ant 2019 ak 2024, ki endike ponktyalite done yo. Dokiman sa yo enkli papye konferans, atik, revizyon, ak chapit liv, ak 72 atik ki te pibliye ant 2009 ak 2024 kòm baz revizyon prensipal la, pandan y ap enkòpore papye enpòtan ak chapit liv ki soti nan lòt domèn jeni pou asire yon kouvèti konplè nan domèn rechèch ak kaptire inovatè. pwogrè teknolojik nan itilize entèlijans atifisyèl pou amelyore sistèm jesyon batri yo.
3. Teknoloji estimasyon eta chaj (SOC).
3.1 Mekanis degradasyon batri ak enpak li sou pèfòmans
Batri ityòm ion sitou degrade atravè de mekanis:pèt envantè ityòm (LLI) ak pèt materyèl aktif (LAM). LLI gen rapò ak fòmasyon kouch koòdone solid elektwolit (SEI) sou anod la, ki soti nan reyaksyon bò ant ityòm iyon ak elektwolit la. LAM koze pa estrès mekanik entèn nan batri a, tankou ekspansyon repete ak kontraksyon nan materyèl elektwòd pandan chaje ak egzeyat, ki mennen nan microcracks ak detachman nan patikil elektwòd, diminye zòn nan sifas aktif ki disponib pou reyaksyon elektwochimik, kidonk diminye kapasite batri, ogmante rezistans entèn, epi finalman afekte pèfòmans batri. Mekanis degradasyon sa yo akselere pa faktè tankou eta chaje segondè, tanperati ki wo, ak kondisyon monte bisiklèt agresif. Enfòmasyon detaye ak detay modélisation nan divès kalite mekanis aje (tèmik, elektwochimik, elatriye) ka jwenn nan literati ki enpòtan.
3.2. Estimasyon SOC ak teknoloji modèl pou batri machin elektrik
Nan itilizasyon chak jou nan machin elektrik, batri a souvan chaje nan 20% -40% SOC pou kenbe sante batri, men karakteristik ki pa lineyè ak degradasyon nan kapasite batri yo ka lakòz lekti SOC ki pa kòrèk, ki afekte estimasyon batri a. kapasite plen. Pèfòmans ak antretyen nan ityòm-ion pil yo tou afekte pa klima, ak tanperati ak frechè elektwolit (detèmine pa dat pwodiksyon ak ranpli) ki afekte efikasite batri ak lavi. Karakteristik nouvo pil elektwolit yo ka varye anba diferan klima, ak estrateji jesyon tèmik ka ede rezoud pwoblèm pèfòmans ki gen rapò ak tanperati ak amelyore rezistans batri.
Modèl sikwi ekivalan tradisyonèl la (ECM) souvan itilize pou estime SOC, men li mande pou kalibrasyon souvan. Atik la bay yon entwodiksyon detaye sou ekwasyon kalkil SOC yo ki baze sou ECM (ki gen ladan fòm kontinyèl ak disrè), ki enplike ekwasyon espas leta yo, vòltaj sikwi louvri ak ekwasyon relasyon SOC, ekwasyon aktyalizasyon SOC domèn nan tan disrè, ak ekwasyon aktyalizasyon vòltaj. Paramèt ki enpòtan (tankou rezistans, kapasite, vòltaj sikwi louvri, elatriye) yo gen rapò ak SOC. Tès laboratwa estanda (tankou tès karakteristik pouvwa batman kè melanje nan diferan tanperati) yo souvan itilize pou idantifikasyon paramèt modèl batri, men inexactitude modèl ak bri mezi ka mennen nan ti erè nan estimasyon SOC. Pou amelyore presizyon nan estimasyon SOC, yo te itilize divès teknik tankou filtrage Kalman ak ekstansyon li yo, obsèvatè ki baze sou PI, obsèvatè mòd glisman, elatriye yo te itilize pou konpanse efè sa yo, ak metòd koreksyon entegral yo te devlope tou pou jere ensètitid premye modèl. ak bri mezi. Anplis de sa, byenke espektroskopi enpedans elektwochimik (EIS) ka evalye karakteristik batri yo (ki gen ladan SOC ak SOH), li pran tan epi li enposib pou aplikasyon pou gwo echèl (tankou flòt machin elektrik), ki fè li difisil pou kaptire dinamik ak chanje. kondisyon fonksyònman batri machin elektrik yo. Se poutèt sa, se yon metòd ki pi adaptatif ak efikas.
3.3. Amelyore Teknoloji
Kalman filtè ak metòd amelyorasyon li yo:Kalman filtè (KF) ak ekstansyon li yo (tankou Pwolonje Kalman Filter EKF, Unscented Kalman Filter UKF, Volim Kalman Filter CKF) yo lajman itilize pou estimasyon SOC. KF bay estimasyon SOC pi bon an lè li minimize erè kare mwayen an, rezoud pwoblèm erè kimilatif ak ensètitid SOC inisyal la. Sepandan, li apwopriye pou sistèm lineyè tan ki varye kote dinamik ki pa lineyè pil yo mande pou apwoksimasyon linearizasyon. Malgre ke EKF pwolonje fondasyon KF pou okipe modèl ki pa lineyè, linearizasyon ka afekte presizyon epi mennen nan divergens estimatè. Nouvo metòd tankou UKF ak CKF itilize sigma pwen estimasyon pou estime estatistik transfòmasyon ki pa lineyè, pandan y ap CKF sèvi ak règ volim radial esferik la pou kalkile entegral moman miltivarye pou amelyore presizyon filtraj Bayezyen ki pa lineyè. Sepandan, filtè sa yo anjeneral sipoze ke karakteristik bri yo konnen ak konstan, ak nan aplikasyon pratik, bri a varyab (tankou bri ki pa Gaussian ki te pwodwi pa entèferans ekstèn). Se poutèt sa, yo te devlope estrateji filtraj adaptab gaya, tankou itilize modèl melanj Gaussian (GMM) pou modèl bri ki pa Gaussiyen pou amelyore presizyon estimasyon eta a. Etid ki enpòtan yo te montre aplikasyon ak avantaj metòd sa yo nan diferan domèn. Anplis de sa, distribiye ak distribye filtè (tankou distribiye Kalman filtre DKF, distribiye Kalman filtre ak kovarians kwa DKF-CI) yo itilize pou optimize estimasyon eta a nan gwo echèl sistèm entèkonekte. Filtè ki solid ak ki pa lineyè (tankou filtè Kalman gaya) gen pèfòmans siperyè nan fè fas ak nonlinearities konplèks nan sistèm batri (tankou pwosesis elektwochimik). Teknik adaptasyon (tankou EKF adaptasyon ak algoritm adaptasyon UKF) ajiste dinamik paramèt filtre pou adapte yo ak chanjman bri yo ak amelyore presizyon estimasyon SOC. Etid ak egzanp ki enpòtan yo te verifye efikasite metòd sa yo.
Lòt metòd amelyorasyon:tankou metòd Adaptive Integral Correction State of Charge Estimation (AIC-SE) ki pwopoze nan 2022, ki baze sou modèl ECM a epi amelyore presizyon estimasyon SOC atravè mekanis koreksyon an tan reyèl (ki gen ladan rezistans ak koreksyon kapasite batri) (maksimòm erè ± 0.8%, erè RMS mwens pase 0.3%). Efikasite enfòmatik la pi wo pase UKF (AIC-SE sou 5n operasyon, UKF sou n ^ 2 operasyon), efektivman adrese defi yo nan aje batri ak degradasyon. Variational Bayesian Maksimòm Korelasyon Entropi Volim Kalman Filter (VBMCCKF) nan 2023 konbine filtraj avanse ak teknik estatistik pou amelyore estimasyon kovarans erè mezi lè l sèvi avèk metòd Bayezyen varyasyon. Yo itilize kritè Entropi Maksimòm Korelasyon an pou okipe mezi bri ki pa Gaussiyen, sa ki amelyore siyifikativman presizyon estimasyon SOC (konpare ak EKF, CKF, ak Filtè Kalman Volim Bayezyen varyasyon, erè absoli mwayèn redwi pa 77%, 68%, ak 49% , respektivman), ak amelyore solidite sistèm jesyon batri a.
3.4 Entegrasyon ak Modèl Aje
Modèl aje batri a gen rapò ak estimasyon SOC, ak rechèch resan yo te inove nan tou de aspè yo. Modèl aje batri yo te pwopoze an 2024 an jeneral konsidere efè SOC, tanperati batri, tan, ak tan sik totalman ekivalan (NFECs) sou aje batri. Modèl la konsiste de de pati: premye pati a konsantre sou SOC ak aje ki gen rapò ak tanperati (kalkile pèt kapasite atravè fòmil espesifik), ak dezyèm pati a konsidere enpak NFECs sou aje. Modèl sa a inovatè entegre aje batri kòm yon sous-sistèm machin elektrik ak modèl batri a, ki kouvri tout mòd opere tankou pakin, kondwi, ak chaje. Li reyalize simulation entèraksyon egzat ant diferan subsistèm atravè metòd fòmèl reprezantasyon makroskopik enèji (EMR) (yon zouti grafik devlope an 2000 pou òganize koneksyon subsistèm, ki reprezante koule pouvwa, ak relasyon kozatif). Rechèch yo montre ke diminye frekans chaje a (tankou chanje soti nan chaj chak jou a chak kat jou) ka siyifikativman pwolonje tan pou batri a rive nan 80% SOH. Apwòch entegre sa a bay pwogrè enpòtan nan optimize jesyon batri ak konpreyansyon enpak pratik chaj sou aje batri.
Nouvo metòd tankou AIC-SE ak VBMCCKF gen avantaj enpòtan nan presizyon estimasyon SOC ak efikasite enfòmatik. AIC-SE fè byen nan efikasite enfòmatik, pandan y ap VBMCCKF fè pi byen nan manyen estimasyon dinamik erè mezi ak anviwònman fè bwi. Si yo bay presizyon ak pwosesis bri priyorite, konbine kritè Bayezyen varyasyon ak maksimòm korelasyon entropi yo ka pi bon chwa aktyèl la; Si nou konsantre sou efikasite enfòmatik ak aplikasyon an tan reyèl, AIC-SE se yon bon chwa, ki endike ke metòd modèl ECM toujou gen avantaj nan zòn sa a. Anplis de sa, modèl la aje batri etidye nan 2024 konplè konsidere enpak la nan plizyè faktè sou degradasyon batri, ki se nan gwo siyifikasyon pou optimize lavi batri (ki baze sou pratik chaje). An jeneral, devlopman sa yo pa sèlman amelyore presizyon nan estimasyon SOC, men tou, kontribye nan pwolonje lavi batri ak amelyore fyab operasyon batri.
4. Teknik evalyasyon Eta Lasante (SOH).
4.1 Metòd estimasyon SOH tradisyonèl yo
Metòd estimasyon SOH tradisyonèl yo lajman itilize nan domèn akademik ak endistriyèl, sitou ki baze sou paramèt debaz tankou degradasyon kapasite, rezistans entèn, ak lavi sik pou evalye SOH batri (gade Tablo 4 pou fòmil ki enpòtan ak siyifikasyon paramèt). Metòd sa yo bay yon fondasyon pou evalyasyon sante batri epi ede konprann pèfòmans batri. Lè nou konprann metòd tradisyonèl sa yo, nou ka pi byen konprann amelyorasyon nouvo metòd estimasyon yo nan chapit ki vin apre yo. Nouvo metòd souvan itilize analiz done ki pi konplèks ak teknik modèl prediksyon pou adrese limit metòd tradisyonèl yo. Konpare de la ka klarifye devlopman ak evolisyon nan teknoloji estimasyon SOH ak demontre ki jan metòd modèn ka amelyore presizyon ak adaptabilite nan sistèm jesyon batri.
4.2 Nouvo Devlopman nan Ranplase Metòd Tradisyonèl yo
Nouvo endikatè sante konbine avèk aprantisaj machin:Pou amelyore presizyon nan prediksyon SOH, rechèch te prezante nouvo endikatè sante tankou Rapò Degradasyon To (DSR). Fòmil pou kalkile DSR apati pant koub vòltaj chaj la se:
Lè w konpare pant sik chaj miltip yo, yo detèmine to degradasyon (an mV/s) batri a nan yon seri vòltaj espesifik (tankou [3.8-3.9V]), ki se byen ki gen rapò ak la. kapasite batri a epi yo ka itilize kòm yon endikatè kle pou detèmine nan fen lavi batri a. Konbine Gaussian Pwosesis Regression (GPR) ak Multi Layer Perceptron Neural Network (MLPNN) modèl ka pi byen estime pèt kapasite ak degradasyon. Konpare ak modèl tradisyonèl yo, sansiblite ak presizyon yo siyifikativman amelyore, efektivman rezoud pwoblèm nan nan modèl tradisyonèl yo te difisil yo detekte degradasyon bonè.
Amelyorasyon modèl sikwi ekivalan:Metòd bonè pou amelyore modèl sikwi ekivalan tradisyonèl yo (ECM) kontinye devlope, tankou estime SOH pa analize kapasite kò a nan modèl sikwi ekivalan RC a nan 2015, lè l sèvi avèk algoritm inovatè pou kalkile faktè atenuasyon kapasite kò a, ak konbine li ak obsèvatè disrè ki pa lineyè pou amelyore presizyon ak fyab; Nan 2024, yo te adopte yon modèl sikwi ekivalan ibrid dezyèm lòd ki konbine avèk pousantaj aktyalizasyon adaptab ak obsèvatè ki pa lineyè pou konsidere enfliyans tanperati a, reyalize gwo presizyon nan estimasyon SOH (mwayèn erè absoli mwens pase 0.5%, RMS). erè mwens pase 0.2%); Solisyon nwaj la pou 2023 itilize done siveyans alontèm ak done an tan reyèl pou estime paramèt modèl batri yo lè li ajiste algorithm pi piti kare fenèt k ap deplase yo. Ki baze sou modèl ECM, evalyasyon SOH segondè-presizyon reyalize, ki endike ke metòd ECM amelyore toujou gen enpòtans enpòtan nan estimasyon SOH, ki konsistan avèk tandans amelyorasyon kontinyèl nan metòd ECM nan teknoloji estimasyon SOC.
Metòd kad ibrid:Nouvo kad la entegre Linear Statistical k-Nearest Neighbor (LSKNN), Maximum Information Entropy Search (MIES), ak Collective Sparse Variational Gaussian Process Regression (CSVGPR) pou trete done entèpolasyon, filtraj bri, seleksyon karakteristik, ak jesyon ensètitid. LSKNN estime pwen done ki manke yo ak filtre bri, MIES chwazi karakteristik ki gen gwo korelasyon ak SOH, epi CSVGPR trete ensètitid done pou amelyore presizyon prediksyon. Yo te teste kad sa a lè l sèvi avèk seri done batri NASA an, epi konpare ak metòd tankou ElasticNet, Support Vector Regression (SVR), Random Forest, ak Gradient Boosting, Root Mean Square Error (RMSE) te redwi pa 77.8% (soti nan {{3). }}.0510 nan ElasticNet pou 0.0113). Konpare ak modèl pwosesis Gaussian ak nwayo diferan, RMSE a te redwi pa 55.5% (soti nan 0.0254 a 0.0113), konfime solidite ak presizyon segondè nan fondasyon an epi bay yon metòd ki pi egzak pou estimasyon SOH.
Tandans devlopman nan teknoloji estimasyon SOH ap deplase soti nan metòd tradisyonèl yo nan modèl pi konplèks apwopriye pou machin elektrik. Nouvo metòd yo enkli konbine modèl degradasyon ak aprantisaj machin klasik, metòd ki baze sou ECM, ak metòd ibrid. DSR se yon inovasyon enpòtan ki diminye depandans sou yon sik chaje konplè (diminye tan ap tann nan apeprè 84%) epi, lè konbine avèk aprantisaj machin, amelyore presizyon nan estimasyon pèt kapasite, simonte difikilte pou deteksyon degradasyon bonè nan modèl tradisyonèl yo. Metòd ECM amelyore te reyalize bon rezilta nan estimasyon SOH, ki konsistan avèk enpòtans metòd ECM nan estimasyon SOC. Teknoloji ibrid (tankou nouvo fondasyon ki mansyone pi wo a) gen gwo presizyon. Malgre ke aplikasyon an tan reyèl poze defi, efektivman rezoud pwoblèm kle done pwosesis se yon amelyorasyon siyifikatif sou metòd tradisyonèl estimasyon SOH. An jeneral, devlopman sa yo konsantre sou aplikasyon an tan reyèl ak metòd done kondwi, siyifikativman amelyore fyab nan sistèm jesyon batri machin elektrik. Metòd aprantisaj pwofon tankou LSTM, CNNs, ak teknik ibrid yo te vin metòd prensipal yo pou estimasyon SOH. Chapit ki vin apre yo pral prezante rezilta rechèch ki enpòtan ak kontribisyon yo.
5. Aplikasyon Deep Learning nan Estimasyon SOH
5.1 LSTM ak modèl ibrid
Plizyè etid yo te itilize modèl aje amelyore konbine avèk teknik aprantisaj pwofon pou amelyore presizyon estimasyon SOH. Aprantisaj pwofon se endispansab nan predi Remaining Utilis Life (RUL). Pou egzanp, lè w entegre modèl degradasyon SOH a epi konsidere divès kondisyon fonksyònman tankou chaje/dechaje aktyèl ak tanperati, yo ka itilize yon fòmil espesifik pou:
Pami yo, I2 {c} ak I2 {d} se kouran nòmal chaj ak egzeyat, T3 {c} ak T4 {d} se nòmalize batri ak tanperati anbyen, T3 {c} ak T4 {d} se fwa chaj ak egzeyat, ak (d1-d4) se yon pwa), ki pi byen similye degradasyon batri. Modèl prediksyon RUL ki baze sou rezo LSTM amelyore presizyon prediksyon an, men konpleksite enfòmatik la ogmante, epi aplikasyon an tan reyèl fè fas ak defi. Rezo neral ka okipe pwosesis batri ki varye nan tan, kontinyèlman aprann adapte yo ak chanjman nan konpòtman batri, epi kenbe fyab modèl.
Lè yo ekstrè karakteristik kle (tankou 6 karakteristik kle) pou optimize estimasyon SOH, konbine avèk algoritm aprantisaj machin pou reyalize gwo presizyon ak chaj enfòmatik ki ba, karakteristik vòltaj jwe yon wòl enpòtan nan amelyore presizyon nan evalyasyon eta batri. Konbine plizyè modèl aprantisaj pwofon (tankou CNN, LSTM, GRU, ak varyant bidireksyon yo) nan yon kad ibrid (tankou CNN-LSTM-DNN, CNN-GRU-DNN) pou predi RUL, itilize yon pakèt karakteristik pou amelyore. presizyon, redwi RMSE a 90.5% nan tès done NASA, men fòs enfòmatik ak konpleksite limite aplikasyon an tan reyèl. Metòd modèl milti (tankou bibliyotèk modèl LSTM) ak estrateji optimize avanse (tankou entegre LSTM nan fondasyon AI-BMS ak aplike li sou FPGA) ka amelyore presizyon prediksyon ak efikasite sistèm, men aplikasyon FPGA nan machin elektrik komèsyal fè fas a pri. ak defi pratik.
Konbinezon GRU ak metòd deteksyon mou gen potansyèl pou prediksyon RUL alontèm nan anviwònman laboratwa, men aplikasyon pratik mande pou adaptasyon nan kondisyon chaj diferan. Sèvi ak metòd ki baze sou done tankou LSTM, DNN, ak GRU pou trete seri done NASA yo, GRU gen gwo pèfòmans (RMSE nan 0.003, MAE nan 0.003, R-squared erè nan 0.004), ak konbine rezo GRU ak LSTM rezilta nan pi bon pèfòmans. Metòd ki baze sou LSTM ekstrè karakteristik (tankou 5 karakteristik manyèl) lè li analize koub egzeyat chaj batri a, epi li sèvi ak algoritm optimize (tankou Adan) pou amelyore efikasite fòmasyon ak presizyon prediksyon. Anba fòmasyon done pasyèl batri sèl, erè estimasyon SOH pou lòt pil ba, ki pi bon pase modèl tradisyonèl yo.
Rezo MDA-LSTM a konbine plizyè karakteristik ak enfòmasyon tanporèl, epi li amelyore presizyon prediksyon RUL atravè plizyè modil fizyon karakteristik ak modil atansyon doub. Li fè byen nan validation plizyè dataset, ak solidite ak jeneralizasyon. Rezo a anpile BiLSTM itilize pou predi SOH lè l sèvi avèk done chaj aktyèl konstan, ak estrikti nan bidireksyon amelyore fyab prediksyon, fè li apwopriye pou estimasyon SOH an tan reyèl pandan chaje rapid. Modèl TCN-LSTM itilize done sentetik ak optimize Bayesyen pou rekonstwi ak presizyon sikwi louvri vòltaj (OCV) ak estime Eta Sante (SOH) (MAE anba 22mV, MAPE anba 2.2%). Li ka pwolonje nan diferan sistèm chimik batri atravè aprantisaj transfè, men gen limit ekstrapolasyon lè done yo ensifizan. Metòd fizyon gwo twou san fon an (tankou itilize done istorik ak endikatè sante miltip) reyalize gwo presizyon (MAPE pi ba pase 2.97%) atravè tès egzeyat chaj konplè, epi tou de fondasyon mondyal ki baze sou GPR ak modèl DFTN pou machin elektrik endividyèl yo te reyalize bon rezilta. .
5.2. Modèl entegre CNN ak CNN-LSTM
Metòd CNN-WNN-WLSTM entegre rezo CNN, WNN, ak WLSTM. CNN ekstrè karakteristik, karakteristik pwosesis WNN ak WLSTM ak estimasyon SOH. Yo itilize optimisateur RMSprop la pou amelyore pèfòmans ak depase metòd tradisyonèl yo nan tès done NASA, bay yon apwòch pwomèt pou jesyon sante batri. Modèl CNN-LSTM-CRF enspire pa pwosesis langaj natirèl, ak kouch CRF a kaptire depandans varyab pwodiksyon pou amelyore presizyon ak entwisyon prediksyon kapasite batri a. Sepandan, egzijans enfòmatik yo wo epi depase kapasite processeurs abò yo. Nan tan kap vini an, rechèch yo bezwen amelyore pratik li yo (tankou atravè aprantisaj transfè). Modèl LSTNet amelyore pèfòmans prediksyon kapasite batri a lè li segmente done yo, li entegre konpozan ConvLSTM ak AR yo, epi li optimize estrikti a (pa egzanp, nan tès done NASA yo, RMSE te 0.65%, MAE te 0. 58%, ak MAPE te 0.435% lè yo te antrene sou 40% done).
Lè li entegre CNN ak ECSSA optimize algoritm pou predi RUL nan eta solid ityòm-ion pil, CNN amelyore ekstraksyon karakteristik ak presizyon prediksyon nan optimize ipèparamèt ak estrikti (tankou lè l sèvi avèk kouch konvolusyonèl avanse, fonksyon aktivasyon, ak koneksyon rezidyèl), pandan y ap amelyore. ECSSA optimize paramèt modèl yo atravè metòd matematik inovatè (tankou Circle Chaotic Mapping, Koyefisyan absòpsyon ki pa lineyè, ak mitasyon Cauchy) pou amelyore presizyon ak solidite prediksyon RUL. Konbine PCA ak CNN pou optimize karakteristik ak rediksyon dimansyon amelyore presizyon ak efikasite nan estimasyon SOH (konpare ak modèl tradisyonèl CNN ak dimansyon fiks PCA-CNN, MAE ogmante pa plis pase 20% ak RMSE ogmante pa plis pase 30%). Modèl estimasyon SOH an tan reyèl la entegre 1D-CNN ak BiGRU, lè l sèvi avèk done BMS pou fè pou evite ekstraksyon karakteristik konplèks, ak reyalize gwo presizyon atravè optimize Bayesyen nan hyperparameters (tankou nan tès done NASA, MAE se 2.080%, RMSE se 2.516%, ak erè endèks EOL se zewo).
5.3. Estrateji Optimizasyon pou Modèl Aprantisaj Pwofon
Premyèman, yo te itilize algorithm forè o aza pou idantifye faktè sante kle yo, ak Lè sa a, teknik jenetik algorithm patikil swarm optimize (GA-PSO) te itilize pou optimize paramèt modèl regression vektè sipò (SVR) pou estime Eta Sante (SOH). Efikasite a te verifye sou kat pil, amelyore presizyon ak vitès dirèksyon (RMSE nan 0.40%, MAPE nan 0.56%), ki se siperyè ak lòt metòd ki gen rapò. Metòd ibrid GWO-BRNN itilize optimize wolf gri (GWO) pou chwazi hyperparameters pou rezo neral regilarize Bayesyen (BRNN). Ki baze sou done NASA an, erè estimasyon SOH a se mwens pase 1%, men konpleksite enfòmatik la wo anpil ak aplikasyon pratik yo limite. Dirèkteman lè l sèvi avèk done yo anvan tout koreksyon nan machin elektrik yo evalye SOH ak predi RUL, amelyore presizyon pa entwodwi nouvo karakteristik evalyasyon ak metòd koreksyon entèpolasyon (diminye erè relatif la nan entegrasyon aktyèl la a 0.94%), konbine avèk metòd optimize D-NSGA-II pou plis. optimize estimasyon SOH epi redwi tan kalkil. An repons a difikilte pou estime Eta Sante (SOH) ki te koze pa chaj enkonplè ak dechaje pil ityòm-ion nan machin elektrik, yo pwopoze yon metòd estimasyon endirèk (ATAGA-BP). Metòd la itilize karakteristik etap chaje vòltaj konstan kòm yon endikatè sante epi li valide atravè simulation ak done NASA. Metòd la gen yon gwo korelasyon ak kapasite batri (plis pase 85%), ak yon erè estimasyon SOH nan 3.7% ak yon amelyorasyon efikasite iteratif nan 17.8%.
Aprantisaj pwofon te fè pwogrè enpòtan nan estimasyon SOH, ak modèl konplè konsidere plizyè faktè bay yon konpreyansyon pi fon nan degradasyon batri. Rezo LSTM yo enpòtan nan kaptire depandans tanporèl ak predi RUL, men konpleksite enfòmatik yo poze defi pou aplikasyon an tan reyèl. Metòd ekstraksyon karakteristik yo enpòtan epi yo ka optimize estimasyon SOH. Konbinezon an nan modèl ibrid ak diferan achitekti rezo neral pou trete konpleksite done batri gen kandida pwomèt, men kondisyon enfòmatik segondè limite aplikasyon pratik. Estrateji optimize tankou GA-PSO, GWO-BRNN, ak D-NSGA-II te amelyore presizyon ak efikasite, men mete ann aplikasyon algoritm konplèks se difisil epi li mande yon balans ant presizyon ak senplisite ekzekisyon. Teknoloji AI avanse enpòtan anpil pou aplikasyon pil segondè (ki manke done detaye sou itilizasyon). Chapit ki vin apre yo pral bay yon apèsi sou eta aktyèl rechèch aplikasyon segondè, patikilyèman nan domèn reitilizasyon batri a.
6. Rezime
Atik sa a fè pwogrè nan devlopman SOH ak SOC estimasyon pou pil ityòm-ion nan machin elektrik atravè metòd inovatè ak modèl, ki kouvri divès teknoloji soti nan aprantisaj machin tradisyonèl nan modèl avanse aprantisaj pwofon tankou LSTM ak CNN. Sepandan, chak metòd gen diferans nan presizyon, konpleksite, ak aplikab, sa ki fè konparezon dirèk difisil. Rechèch te jwenn ke pwosesis done ak sous yo gen yon enpak siyifikatif sou pèfòmans modèl, ak plis validation nesesè pou deplwaman aktyèl la. Malgre ke modèl aprantisaj pwofon yo te montre avantaj nan trete done konplèks, yo toujou fè fas a defi tankou gwo kondisyon resous enfòmatik ak adaptabilite nan senaryo aplikasyon pratik. Rechèch nan lavni ta dwe konsantre sou amelyore seleksyon karakteristik, deteksyon anomali, adapte a divès kondisyon anviwònman an, optimize algoritm pou amelyore efikasite enfòmatik, reyalize aplikasyon an tan reyèl, entegre plizyè sous done pou amelyore pèfòmans modèl estimasyon SOH, pandan y ap tou adrese defi nan aplikasyon pou batri segondè. , devlope solisyon efikas, ak ankouraje devlopman nan sistèm jesyon batri pou satisfè demand yo k ap grandi nan domèn machin elektrik ak depo enèji.