近日，我校汽車與交通工程學(xué)院車輛工程系新能源動力系統(tǒng)智能管理與控制團隊在動力電池健康狀態(tài)估計研究領(lǐng)域取得新進展，相關(guān)研究成果“Data-Driven Transfer-Stacking based State of Health Estimation for lithium-Ion Batteries”在自動化與控制系統(tǒng)領(lǐng)域的TOP期刊《IEEE Transactions on Industrial Electronics》上在線發(fā)表，我校武驥老師為第一作者，中國科學(xué)院福建物質(zhì)結(jié)構(gòu)研究所林名強副研究員為通訊作者，西安交通大學(xué)孟錦豪副研究員、南京工程學(xué)院彭紀昌老師為合作作者。該項研究得到了國家自然科學(xué)基金、安徽省科協(xié)青年科技人才托舉計劃試點項目、合肥工業(yè)大學(xué)學(xué)術(shù)新人提升B計劃項目等經(jīng)費支持。

鋰離子電池的健康狀態(tài)（State of Health, SOH）可以幫助我們正確地判斷電池的老化程度，這對電動汽車的安全可靠運行起著至關(guān)重要的作用。然而目前SOH估計方法研究存在以下兩個方面的問題：第一是SOH估計方法需要大量的電池老化數(shù)據(jù)，很難利用少量的電池數(shù)據(jù)去建立準確的模型；第二是現(xiàn)有的機器學(xué)習(xí)方法研究難以保證數(shù)據(jù)驅(qū)動模型的泛化能力，即大多數(shù)研究都是針對單個電池建立專門的老化模型，沒有考慮電池之間的差異性。針對這兩個問題，團隊嘗試結(jié)合支持向量回歸方法（Support Vector Regression, SVR）和遷移堆疊方法（Transfer Stacking, TS），開展了具有強泛化性能的動力電池健康狀態(tài)估計方法研究。

團隊首先從電池老化數(shù)據(jù)中提取潛在的健康特征，并利用決策樹中的節(jié)點不純度函數(shù)，對特征進行篩選，保留了與電池老化有著強相關(guān)性的特征。其次，利用支持向量回歸方法和遷移堆疊方法對多個電池進行堆疊建模，并通過權(quán)重優(yōu)化函數(shù)對堆疊中的模型進行權(quán)重分配，進而得到了最終的遷移堆疊模型。最后，所提出的模型在三組電池數(shù)據(jù)上進行了驗證，結(jié)果表明團隊所提的方法通過代入少量數(shù)據(jù)便可實現(xiàn)準確的SOH估計。下圖為來自美國宇航局隨機工況（Random Walk, RW）電池的SOH估計曲線和誤差分布。通過對比五種方法的實驗結(jié)果，可以看出團隊所提出的TS-SVR方法有著最優(yōu)秀的性能。

近年來，依托安徽省智慧交通車路協(xié)同工程研究中心，新能源動力系統(tǒng)智能管理與控制團隊面向車輛和新能源領(lǐng)域的實際需求，針對電池系統(tǒng)建模仿真、狀態(tài)估計和優(yōu)化管理的科學(xué)與技術(shù)問題開展研究工作，并取得了一系列的研究成果（TPEL.2021.3075558、TEC.2021.3137423、JESTPE.2022.3177451、j.ress.2022.108978、j.energy.2022.125380、j.energy.2022.126307、j.energy.2023.126706、TIM.2023.3239629、TIE.2023.3247735），為我校車輛工程專業(yè)、新能源科學(xué)與工程專業(yè)的建設(shè)和發(fā)展提供有力支撐。

相關(guān)知識

肥胖潛在成因研究取得新進展
區(qū)域健康發(fā)展力評估研究報告
沈陽城市學(xué)院微生態(tài)醫(yī)療應(yīng)用領(lǐng)域取得階段性研究成果
生態(tài)系統(tǒng)健康研究進展
研究領(lǐng)域
劉思金研究組在納米材料的環(huán)境健康風(fēng)險研究方面取得新進展
數(shù)字健康在心血管疾病研究領(lǐng)域的技術(shù)演進
余勇夫課題組合作研究在孕期環(huán)境暴露與子代精神健康研究領(lǐng)域取得進展
肥胖潛在成因研究取得新進展—論文—科學(xué)網(wǎng)
健康狀態(tài)評估

網(wǎng)址: 學(xué)院在動力電池健康狀態(tài)估計研究領(lǐng)域取得新進展 http://www.gysdgmq.cn/newsview537414.html