智能电池专辑 | 探索电池健康状况估计的新方法！从实验室到EV实车应用-单体层数据

文章预览

✦ ✦ ✦ EV实车SOH估计 Part 1：基于电池单体实验室数据 0 摘要        准确且快速的健康状态 (SOH) 估计对于锂离子电池 (LIBs)系统至关重要。鉴于电池类型和工作条件的多样性以及数据样本的有限性，传统的数据驱动方法无法满足需求，特别是在实际应用中，例如电动汽车和储能系统。       针对以上问题，来自 清华大学欧阳明高院士团队、与北京大学、昇科能源 等的相关研究人员开发了一种基于元学习的方法，使用门控卷积神经网络-模型无关元学习 (GCNNs-MAML) 模型，来寻找适当的初始参数，使其能够通过少量训练样本快速适应新的测试样本。       该方法利用多个现有的历史数据集进行元训练，然后将训练模型的初始参数用于在新的小规模数据上进行元测试。仅使用从5%的循环数据中随机选取的800s充电段进行训练，GCNNs-MAML模型在剩余的95% ………………………………