.png){kind=icon}
返回
Weakly Supervised Battery SOH Estimation With Imprecise Intervals
.png){kind=icon}
PRE
AI
DOI：10.1109/TEC.2025.3535522.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据驱动方法在电池健康状态（SOH）估计方面已展现出卓越的预测效果。然而，其适用性目前仅限于实验数据，由于需要高保真测量数据、适应多样化恶劣环境以及遵循电池老化物理约束等特定前提条件，导致其不适合实际运行工况。为应对这些挑战，本研究提出了一种新的弱监督SOH估计方法，该方法融入了不精确区间。该方法全面考虑了潜在误差来源，在经验电池老化模型的指导下，严格评估了不精确区间内标签与预测值及真实值的对齐情况。该方法包含专门针对低测量精度和采样率、充电和放电循环不完整、车载电动汽车（EV）运行条件复杂等问题设计的不精确区间计算技术。此外，还构建了一个加权损失函数，根据标签与经验模型的一致性对区间内的标签进行加权。同时，设计了合理性校正机制以将预测值限定在合理范围内。案例研究表明，所提出的弱监督电池SOH估计方法有效，能够在各类不精确区间内实现高预测精度，即使在电动汽车工作环境条件下亦表现出色。
Keyword:
Battery
data-driven
imprecise intervals
state of health
weakly supervised learning
期刊
IF:
5.4
论文数:
6.8K
被引数:
1.5W
机构
引用论文
Deep learning to estimate lithium-ion battery state of health without additional degradation experiments无需额外的降解实验即可通过深度学习估算锂离子电池的健康状态.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries用于估计锂离子电池充电状态和健康状态的增强库仑计数方法APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Revisiting the dual extended Kalman filter for battery state-of-charge and state-of-health estimation: A use-case life cycle analysis重新审视用于电池荷电状态和健康状态估计的双扩展卡尔曼滤波器: 用例生命周期分析
PREAI
分享收藏Sigma-Modified Power Control and Parametric Adaptation in a Grid-Integrated PV for EV Charging Architecture用于电动汽车充电架构的并网光伏中的Sigma修正功率控制和参数自适应
OAAI
OAAI分享收藏Battery Cycle Life Prediction with Coupled Chemical Degradation and Fatigue Mechanics耦合化学降解和乏力力学的电池循环寿命预测OAAI
OAAI分享收藏Prediction of remaining useful life and state of health of lithium batteries based on time series feature and Savitzky-Golay filter combined with gated recurrent unit neural network基于时间序列特征和savitzky-golay滤波结合门控循环单元神经网络的锂电池剩余寿命和健康状态预测ENERGY
ENERGYIF9.4
PREAI
分享收藏State-of-Health Estimation of Lithium-Ion Batteries by Fusing an Open Circuit Voltage Model and Incremental Capacity Analysis通过融合开路电压模型和增量容量分析的锂离子电池健康状态估计
PREAI
分享收藏分享收藏
查看更多内容