舒星
- 作品数：18 被引量：70H指数：5
- 供职机构：昆明理工大学交通工程学院更多>>
- 发文基金：国家自然科学基金云南省教育厅科学研究基金更多>>
- 相关领域：电气工程交通运输工程机械工程自动化与计算机技术更多>>
- 考虑混杂充电数据的锂离子电池容量估计被引量：5
- 2021年
- 准确有效的电池容量估计对于电动汽车的安全性等有着十分重要的意义。目前结合健康因子提取的电池容量估计方法受到了广泛的关注,然而大多数研究没有考虑到电池实际应用中每个循环的充电数据会根据充放电情况的不同而具有不同的充电数据结构,这会导致健康因子的提取不能连续有效地进行,无效或缺失的健康因子序列会导致无法有效地估计电池容量,由此开展考虑混杂充电数据的锂离子电池容量估计方法研究。考虑三种最常见的充电数据结构组成混杂充电数据,根据不同的数据结构提取有效健康因子,再由粒子群算法寻优获得最佳健康因子;以相关向量回归为工具,通过健康因子估计健康因子的方法获取其中一种完整健康因子序列;以完整的健康因子序列训练长短时记忆网络以达到估计未来电池容量的目的。仿真试验结果表明,RVM估计健康因子的相对误差均保持在1%以内,未来电池容量的估计相对误差基本在2%以内,达到较高的估计精度,可满足一定的实际应用需求。
- 周子游刘永刚杨阳陈峥舒星秦大同
- 关键词：锂离子电池
- 基于改进最小二乘支持向量机与Box-Cox变换的锂离子电池容量预测被引量：28
- 2021年
- 精确、可靠的电池容量预测可以避免电池滥用,提升电池使用安全;同时在此基础上开展的剩余寿命估测能够为电池系统维护及更换提供参考。基于改进双最小二乘支持向量机方法和Box-Cox变换,提出一种锂离子电池容量及剩余循环寿命的协同估算方法。首先提取老化电池部分容量增量曲线包络面积作为特征量,通过Box-Cox变换进一步提高特征量与目标估计量之间的相关性。然后基于瑞利熵理论改进传统最小二乘支持向量机算法的稀疏性,建立电池容量和剩余使用寿命协同估算模型,结合层次分析法和熵权法对估算结果进行充分地评估。最后,采用粒子群优化算法搜索改进最小二乘支持向量机算法中的最优超参数组合。估算结果显示所研究的方法能够显著提高特征参数与估计量之间的线性相关性,容量估计误差小于1.44%,剩余使用寿命预测误差小于47次循环,验证了算法的有效性。
- 舒星刘永刚申江卫陈峥
- 关键词：锂离子电池电池容量最小二乘支持向量机
- 基于混合神经网络的锂离子电池健康状态估算被引量：4
- 2022年
- 针对锂离子电池全生命周期内健康状态难以高效准确估计难题,提出了一种基于卷积神经网络和长短期记忆神经网络(Convolutional neural network–long short-term memory,CNN-LSTM)的锂离子电池健康状态估算方法,该方法结合了CNN模型自动提取特征和LSTM模型处理序列数据的优点.首先分析了电池的容量衰退曲线和不同循环次数下的电池充电曲线,明确了以充电电压数据作为基于数据驱动的电池健康状态估计模型输入;其次分析了CNN模型和LSTM模型的优点,建立了CNN-LSTM混合神经网络模型实现电池健康状态的估算;最后分别在充电电压数据不完整和存在噪声情况下验证了算法准确性,并与传统的LSTM、CNN估算方法进行对比.验证结果表明:CNN-LSTM混合神经网络模型可以直接使用采集的电压数据作为输入,在存在噪声和较短充电电压数据下均有着较高的SOH估算精度,全生命周期内平均绝对误差不超过3%.
- 陈峥李金元舒星沈世全刘永刚申江卫
- 关键词：卷积神经网络混合神经网络
- 基于改进容量增量分析法的锂电池可用容量估计被引量：3
- 2022年
- 针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。
- 陈峥李磊磊舒星刘永刚申江卫
- 关键词：汽车工程锂离子电池
- 基于K-Means算法的电动汽车电池组故障诊断研究
- 随着电池等关键技术的发展，电动汽车市场保有量越来越大，因此确保电动汽车在充电、久置停车或运行过程中的安全性尤为重要。本文针对电动汽车电池组运行安全性问题，提出基于K-Means 聚类分析算法的电动汽车在线安全性研究，通过...
- 李晓宇陈峥申江卫肖仁鑫舒星
- 关键词：故障报警聚类分析K-MEANS算法
- 基于K-Means算法的电动汽车电池组故障诊断研究
- 随着电池等关键技术的发展,电动汽车市场保有量越来越大,因此确保电动汽车在充电、久置停车或运行过程中的安全性尤为重要.本文针对电动汽车电池组运行安全性问题,提出基于K-Means聚类分析算法的电动汽车在线安全性研究,通过对...
- 李晓宇陈峥申江卫肖仁鑫舒星
- 关键词：电动汽车电池组故障诊断K-MEANS算法
- 文献传递
- 基于迁移模型的老化锂离子电池SOC估计被引量：4
- 2021年
- 在锂离子电池荷电状态(SOC)估计过程中,由于电池老化引起的电池可用容量衰退和内部参数变化会对SOC估计结果造成很大影响。针对这一问题,本文将电池老化视为影响模型与SOC估计精度的不确定因素,提出了一种基于迁移模型的老化锂离子电池SOC估计新方法。首先以电池初始状态下的二阶RC等效电池模型为电池初始模型,利用递推最小二乘法(RLS)及多项式拟合法提取初始模型参数与SOC的函数关系式,并将函数关系式进行线性迁移得到迁移模型状态方程,再采用风险最小化粒子滤波算法(RSPF)在电池实际运行中更新迁移模型的迁移因子,最后结合低通滤波器实现SOC的精确估计。通过4组不同老化程度下的城市道路循环工况(UDDS)数据对迁移模型算法进行了验证,并与扩展卡尔曼滤波(EKF)和自适应扩展卡尔曼滤波(AEKF)两种算法进行了对比。实验结果表明,在不同的老化状态下,本文所提出的方法具有更高的精确性,估计得到的SOC均方根误差(RMSE)始终稳定在1.04%以内,验证了所提方法的有效性。本研究有助于推动迁移模型在老化锂离子电池SOC估计中的应用,对电动汽车全生命周期内使用过程中SOC的估计具有一定指导和参考意义。
- 陈峥赵广达沈世全舒星申江卫
- 关键词：荷电状态
- 基于健康特征提取和PSO-RBF神经网络的锂离子电池健康状态预测被引量：18
- 2020年
- 针对电动汽车锂离子电池健康状态(State of Health,SOH)难以精确预测,以及现有预测模型复杂、计算量大的问题,本文提出了一种基于粒子群(Particle Swarm Optimization,PSO)算法优化径向基(Radial Basis Function,RBF)神经网络的电池健康状态预测方法.首先,通过循环寿命试验获取电池充放电过程中的时间向量和容量增量变化,提取与电池衰退相关的健康特征因子;其次,运用灰色关联度和主成分分析法对电池的老化特征参数进行了分析,以解决健康因子冗余或者不足问题;最后建立了PSO-RBF神经网络模型,实现电池健康状态估算.用实验得到的电池数据对提出的模型进行验证,并与单一Elman神经网络(Elman Neural Network, Elman NN)和径向基神经网络模型预测方法进行对比.结果表明:本文提出的方法能有效地预测电池SOH,最大误差小于2%,具有较好的稳定性和鲁棒性.
- 陈峥顾青峰沈世全申江卫舒星
- 关键词：PSO-RBF主成分分析
- 宽温度环境下基于改进电化学模型的锂电池荷电状态估计被引量：4
- 2023年
- 为提升电化学模型的实用性以及复杂环境温度下的适用性,解决锂离子电池内部状态难以快速精确估计的难题,本文设计了一种基于改进电化学模型的荷电状态估计方法。首先,通过有限差分法和Galerkin法分别对P2D模型的固液相方程进行降阶求解以描述电池内部锂离子浓度的实时状态,同时进一步融合等效电路模型,采用2个RC网络结构表征电池内部极化过程,并包含了与温度相关的特性,形成了适合荷电状态估计的低阶常微分系统,实现了电化学模型的有效简化和降阶,节约计算成本。其次,为了处理由于模型简化导致的模型不确定性和降低噪声干扰,引入平方根容积卡尔曼滤波,设计了宽工作温度下的锂电池荷电状态估计算法。结果表明,本文提出的基于改进电化学模型的荷电状态估计方法可以在不同温度及复杂工况下实现荷电状态的精确估计,宽环境温度下的最大误差小于1.6%。
- 申江卫周灿彪舒星陈峥刘永刚
- 关键词：锂电池环境温度荷电状态
- 基于迁移模型的锂离子电池宽温度全寿命SOC与可用容量联合估计被引量：4
- 2023年
- 针对全寿命内复杂温度环境下锂离子电池内部状态难以快速精确估计难题,基于迁移模型提出一种宽温度全寿命荷电状态(SOC)与可用容量联合估计方法。选择传统二阶RC等效电路搭建迁移模型,并基于权值选择粒子滤波算法完成迁移因子的在线迁移,实现了宽温度全寿命内锂离子电池SOC快速准确的估算,基于得到的SOC估计值采用容量逆推实现了可用容量估计。结果表明,所提出方法在全寿命宽温度环境下估算SOC与可用容量具有计算量小、精度高的明显优势,SOC估计最大误差小于3%,容量估计最大误差小于2%。
- 申江卫高承志舒星刘永刚陈峥
- 关键词：锂离子电池荷电状态温度
