当前位置: 首页 > 邱健蓄电池-官方网站
摘要
钠离子电池在成本敏感和低温电动汽车应用方面具有广阔前景,但可靠的电池管理系统(BMS)需要超越开发电池的评估。本研究开发了一种轻量级多任务门控循环单元(GRU)框架,该框架将时间步级的荷电状态(SOC)估计与基于窗口的、循环感知的健康状态(SOH)估计相结合。主A6配置使用老化敏感描述符,包含24,882个可训练参数。在NFM源域测试集上,A6实现了1.078%的SOC均方根误差(RMSE),0.978%的循环聚合SOH均方根误差,以及SOH决定系数(R2为0.835,而恒定均值基准的SOH RMSE为2.409%。消融分析区分了任务耦合和输入可观测性的影响。对单独的三输入源训练骨干网络进行了外部SOC迁移评估:在Hina电池上,零样本RMSE为22.5–36.2%,使用目标电池25%的25°C记录进行校准后,未见温度下的误差降至14.0–27.4%;在CVUT 4S11P冷启动电池组上,零样本RMSE约为27–29%,在按时间顺序的前25%记录上进行适配后降至12.0–19.7%。单独的源域和迁移测试表明,为什么仅靠低域内误差无法在不同的商用电池或电池组上建立SOC准确性,即使可以使用有限的目标域校准。
钠离子电池; 荷电状态; 健康状态; 多任务学习; 电池管理系统; 领域偏移; 迁移学习; 电动汽车
1. 引言
随着电动汽车的日益普及,电池状态估计已成为BMS的一项重要任务。SOC是剩余续航里程估计的关键输入,也用于充电控制、再生制动和能量管理。SOH反映了电池的退化情况,并为充电限制、保修评估、维护和寿命管理提供支持[1,2]. 这两种状态相关,但不可互换。钠离子电池因其材料资源优势和已报道的零下运行能力,在成本敏感和低温应用领域备受关注。对于车辆应用,我们关注一个实际问题:如果使用受控电池数据开发出估算器,当电池、温度范围或电池配置发生变化时,它是否仍能可靠工作?
许多研究已采用等效电路模型和传递测试来描述钠离子电池的行为。直接从锂离子电池迁移的算法可能需要针对钠离子电池的参数化[3,4],而商用电池之间的差异进一步增加了校准的复杂性[5]。阻抗和OCV-SOC研究记录了相应的电化学特性[6,7]。最近的钠离子估算研究包括融合深度学习和物理信息混合SOC网络[8,9],以及与阻抗相关的SOC估算[10], 联合SOC/SOH分析 [11],以及基于部分充电信息或老化敏感特征的SOH估计[12,13]。这些方法解决了互补的估计任务,但其数据集、输入信息和评估协议不可互换。因此,本研究在通用的NFM源域协议上评估其配置,同时在独立的Hina和CVUT域上分别检验SOC迁移。
许多已发表的评估仍使用同一数据集中的实验室电池进行模型开发和测试。在这种划分下误差较低,并不能告诉我们电池或运行环境发生变化后的性能表现。锂离子电池研究已经表明,温度、电池设计、传感条件以及实验室到现场的变化,都会降低在域内表现良好的模型的准确性[14,15,16,17,18,19]. 这就是为什么迁移学习如此重要。电池包引入了另一个不匹配源。串并联连接、电芯不一致性、电流分配和接触电阻都会改变BMS测量的信号。因此,包级估计和电芯到电池包的迁移受到了更多关注[20,21,22,23,24,25]。钠离子电池包的演示也开始出现[26]。在这个项目中,区别在于实际应用:最终目标是电池包,而不仅仅是用于训练的源电芯。
我们为三个公开的钠离子电池数据集分配了不同的角色,而不是将它们合并为一个单一的开发集。NFM提供源域电池,用于联合SOC/SOH训练、消融实验、老化分析和噪声测试。Hina则不参与源域训练,用于检验向另一种商用电池的迁移效果。CVUT则完全不同:它包含4S11P钠离子电池包在低温脉冲负载下的测量数据,从而在汽车低温运行条件下提供电池到电池包的测试[27,28]. 这种安排使我们能够将源域的准确性与两个不同的目标域进行比较。它还能让我们衡量在领域偏移后,有限的目标域校准能恢复多少。
轻量级A6模型为NFM源域任务引入了两种估计时间尺度:它在单个时间步预测SOC,并生成按物理老化周期聚合的窗口级SOH估计值。消融实验结果有助于区分任务耦合效应与老化敏感描述符提供的信息,这在早期特征工程和部分剖面研究的背景下尤为重要[29,30]. 随后,评估超出了开发电芯的范围。Hina测试了SOC向另一个商用电芯的转移,而CVUT则在4S11P电池包上进行了测试。现有的校准预算和消融配置为特征可用性、SOC/SOH权衡以及领域偏移下的适应性提供了证据。这三个要素——多时间尺度建模、电芯到电池包的评估以及对观察到的性能变化的分析——定义了本研究的贡献。Hina和CVUT的实验使用的是单独训练的三输入前置骨干网络,而非直接转移特征增强的A6检查点。2. 材料与方法
2.1. 研究设计与评估层级
图1总结了评估层级及其在EV-BMS中的应用背景。图(a)展示了测量信号与状态估计的设置;图(b)介绍了三个公开数据集及其互补作用;图(c)展示了模型与验证层级,将源域SOC/SOH估计与独立电池及电池包层级的SOC迁移评估相连接。独特的A6和外部迁移模型配置在第2.5节以及图2. 图1中详细说明给出了研究层级的层次结构,而图2提供了实际的、按时间索引的算法和数据处理流程。先前的研究还探讨了电池到电池的SOH转移[31].
图1。钠离子电池状态估计的研究概述与评估层级。()面向电动汽车的BMS场景及实测电压、电流和温度信号。()NFM源域电池、独立的Hina商用电池以及CVUT 4S11P电池组[)循环估计架构的示意图,以及从源域SOC/SOH估计到跨电池和电池到电池包SOC评估的层级。外部实验使用单独训练的三输入迁移骨干网络,详见第2.5节27,32,33]. (以及图2Section 2.5 and Figure 2.
图2。所实现评估框架的标准算法工作流程。()源域A6:完成循环特征提取、固定窗口GRU编码、时间步SOC估计的窗口级SOH条件化,以及循环级SOH聚合。()独立源训练的三输入SOC迁移骨干网络,用于Hina跨电池和CVUT电池组评估,包含零样本和目标前缀自适应分支。A6工作流程在离线评估条件下使用完成窗口和完成循环信息;外部域结果仅指SOC。b) Independently source-trained three-input SOC transfer backbone for Hina cross-cell and CVUT pack evaluation, with zero-shot and target-prefix adaptation branches. The A6 workflow uses completed-window and completed-cycle information under offline evaluation conditions; external-domain outcomes refer to SOC only.
CVUT数据集则有所不同。它不是单个电池,而是一个标称容量约为14.3 Ah的4S11P钠离子电池包。该电池包在-15、-5、5、15和25°C下进行测试,并伴随约200 A、持续3秒的重复读档脉冲[27]. 该协议旨在评估冷启动适用性,而非电池老化。在本研究中,CVUT被用作最终的电芯到电池包测试。与NFM相比,它还改变了拓扑结构、电流规模、传感条件、操作协议以及SOC参考值的构建方式。因此,测得的转移损失包含了电池包层面的影响以及其他目标域的差异。
该层级根据可用参考资料有意识地划分了任务:NFM支持源域SOC/SOH评估,而Hina和CVUT支持外部SOC评估。外部数据集均未直接提供与NFM可直接比较的SOH标签和循环描述符;因此,未声称任何外部SOH迁移结果。外部迁移骨干网络拥有24,818个参数,而A6则为24,882个。2.2. 数据集与电动汽车相关性
表1总结了三个公开数据集、它们的运行范围以及它们在验证层级中的作用。
表1。数据集及其在评估层级中的作用。
NFM源数据集包含1,088,968行统一数据和2739个唯一的(电池,老化循环)组。两个源电池还与两个标称温度相关联,因此温度和电池身份部分混淆;因此,与温度相关的结论被描述为温度/领域上下文效应,而非纯粹的因果温度效应。Hina数据集包含来自商用10 Ah钠离子电池的完整充放电段。CVUT数据集包含来自4S11P钠离子电池组的低温脉冲放电测量数据,该电池组经过重复的约200 A、3秒读档脉冲测试。这使其与汽车低温高电流脉冲和低压辅助电池应用相关[27].2.3. 参考SOC和SOH构建
在NFM中,SOC参考值是通过将完整的充放电段映射到统一的时间网格后,根据累积容量重建而成的。两个运行方向遵循相同的SOC约定:
SOC
上一篇:一种用于回收锂离子Trojan蓄电池电极组件的顺序机械-超声方法
下一篇:从岩石地面到云端:Trojan蓄电池生命周期中前沿自然语言处理技术的系统综述