文档名：考虑健康状态指标与记忆效应的镉镍蓄电池SOC估算模型
摘要：如何通过在线监测的直接测量参数准确估计电池荷电状态(StateofCharge,SOC)与健康状态(StateofHealth,SOH),是蓄电池管理系统建立的核心与关键.设计的SOC估算方法为镉镍蓄电池管理系统有效地监测蓄电池组性能状态和寿命状态提供基础,有助于动车组在运行过程中的安全预警;同时,为蓄电池检修与维护策略优化提供数据支撑,助力国家可持续发展战略.从蓄电池不同寿命阶段内的充电起始电压序列中提取出可描述当前最大容量的潜在特征,通过F检验(F-Test)与主成分分析PrincipalComponentAnalysis,PCA)进行特征筛选与特征融合,获得蓄电池健康状态指标;由充放电循环试验中采集到的不同寿命阶段内的放电终止电压建立镉镍蓄电池"记忆效应"的近似表达函数;基于此,采用基于Bagging的随机森林构建放电过程中蓄电池两端电压与SOC间的关联模型,可在蓄电池放电过程中实现基于放电电压的SOC估算.最终,试验结果显示:通过SOC估算值与实际测量值的对比,得到模型均方根误差(MeanSquareError,MSE)和平均绝对误差百分比(MeanAbsolutePercentageError,MAPE)分别为0.1486和0.8112%,证明了所提出的SOC估算模型取得了较高的估算精度与较强的鲁棒性,为在线监测镉镍蓄电池SOC提供基础.
作者：戴计生 丁荣军 刘嘉文 于天剑 Author：DAIJisheng DINGRongjun LIUJiawen YUTianjian
作者单位：湖南大学机械与运载工程学院,湖南长沙410082;中车株洲电力机车研究所有限公司,湖南株洲412001中南大学交通运输工程学院,湖南长沙410075
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(7)
分类号：TM912.2
关键词：镉镍蓄电池 SOC 健康状态指标 "记忆效应" 特征融合 随机森林
Keywords：Ni-CdBattery SOC healthindicator memoryeffect featurefusion randomforests
机标分类号：TP309TM912D815
在线出版日期：2023年8月25日
基金项目：湖南省自然科学基金资助项目考虑健康状态指标与"记忆效应"的镉镍蓄电池SOC估算模型[
期刊论文] 铁道科学与工程学报--2023, 20(7)戴计生 丁荣军 刘嘉文 于天剑如何通过在线监测的直接测量参数准确估计电池荷电状态(StateofCharge,SOC)与健康状态(StateofHealth,SOH),是蓄电池管理系统建立的核心与关键.设计的SOC估算方法为镉镍蓄电池管理系统有效地监测蓄电池组性能状态和...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
考虑健康状态指标与"记忆效应"的镉镍蓄电池SOC估算模型 State of charge estimation of Ni-Cd batteries with consideration of health indicator and memory effect
考虑健康状态指标与"记忆效应"的镉镍蓄电池SOC估算模型.pdf
- 文件大小:
- 10.77 MB
- 下载次数:
- 60
-
高速下载
|
|
