• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    鋰離子電池荷電狀態(tài)與健康狀態(tài)估計方法

    2021-10-18 07:39:00李沂洹李慷余漸
    發(fā)電技術(shù) 2021年5期
    關(guān)鍵詞:電池容量老化容量

    李沂洹,李慷*, 余漸

    (1.利茲大學電子電氣工程學院,英國 利茲 LS2 9JT;2.蘇格蘭電力公司,英國 格拉斯哥 G2 5AD)

    0 引言

    為了應(yīng)對全球氣候變化與能源供應(yīng)短缺,中國、歐盟、英國以及其他110多個國家承諾在未來30~40年內(nèi)實現(xiàn)凈零排放。交通和電力是溫室氣體排放的2個首要行業(yè),電池儲能技術(shù)的大規(guī)模應(yīng)用可以促進交通運輸?shù)碾姎饣涂稍偕茉吹慕尤肱c消納,從而在加速交通運輸和電力行業(yè)實現(xiàn)碳中和的進程中發(fā)揮重要作用[1-2]。根據(jù)文 獻[3]的報告,到2040年,預計行駛在路上的電動汽車總數(shù)將達到1.5億~9億輛,全球固定式儲能累計裝機容量預計將達到1 300 GW·h。電池儲能作為其中的重要組成部分,隨著電動車和電網(wǎng)儲能規(guī)模的日益擴大,電池工作過程中的安全問題不可忽視。

    與其他類型的電池相比,鋰離子電池具有循環(huán)壽命長、能量密度大、額定電壓高、自放電率低等顯著優(yōu)點,因此被廣泛應(yīng)用于電動汽車和大型儲能裝置中[4-6]。電池管理系統(tǒng)(battery management system,BMS)是保證電池組安全可靠高效運行的重要元件,其主要功能包括數(shù)據(jù)采集、狀態(tài)估計、充放電控制、電池均衡、熱管理等[7]。其中,準確實時的電池參數(shù)采集和內(nèi)部狀態(tài)估計為電池充放電控制、優(yōu)化管理和維護提供重要依據(jù),確保電池組在規(guī)定的安全范圍內(nèi)工作,及時發(fā)現(xiàn)異常情況并進行干預處理,提前排除安全隱患,進而延長電池壽命[8]。

    電池荷電狀態(tài)(state of charge,SOC)和電池健康狀態(tài)(state of health,SOH)是電池系統(tǒng)中的2個重要參數(shù),為電池安全保護、充放電控制、熱管理等功能提供重要參考,因此精確及時地獲得SOC和SOH信息對于提高電池壽命和使用安全至關(guān)重要。然而,作為電池的內(nèi)部參數(shù),SOC特別是SOH無法被直接且準確地測量,只能通過各種直接及間接方法的結(jié)合,找到其與測量信號(例如電壓、電流、溫度等)之間的非線性關(guān)系,進而對SOC/SOH進行準確估計。

    本文將系統(tǒng)地回顧和總結(jié)目前主要的SOC和SOH估計方法,分析不同方法的優(yōu)缺點,并結(jié)合實際情況,對未來SOC/SOH估計技術(shù)的發(fā)展進行展望。

    1 電池SOC估計方法

    1.1 電池SOC估計方法分類

    SOC是反映電池當前可用容量占最大可用容量百分比的一個參數(shù),計算公式為

    式中:SOCk為k時刻的SOC;Qremaining,k為k時刻的可釋放容量;Qmax為當前循環(huán)下電池處于滿充狀態(tài)時可釋放的最大容量,其數(shù)值隨著電池的老化而減小。為了應(yīng)用方便,通常使用電池額定容量作為Qmax的參考值,然而對于老化的電池,該簡化并不適用,需要使用有效的SOH估計方法來更新Qmax的數(shù)值,否則會導致較大的SOC估計誤差。

    在不同SOC下電池儲存能量的狀態(tài)如圖1所示,其中:100%表示電池完全充滿電;0%表示電池完全放電;綠色部分表示存儲的能量;空白部分表示可以重復充電;而紅色部分表示由電池老化導致的永久損失。當電池還未老化時,紅色部分不存在,即可以認為最大可用容量等于額定容量;隨著電池的老化程度加深,紅色失效部分的范圍將會擴大,最大可用容量不斷減小,此時要獲得準確的SOC信息,需要首先對最大可用容量進行估計。

    圖1 不同SOC下電池能量存儲狀態(tài) Fig. 1 Battery energy storage status under different SOC

    由于電池工作狀態(tài)復雜,起止狀態(tài)通常未知,且SOC受到環(huán)境溫度、電池老化、測量噪聲等因素的影響,使得實時在線準確估計電池SOC具有一定困難。對此,國內(nèi)外大量研究者對多種估計方法不斷進行研究和改進,提出了許多應(yīng)用于電池SOC估計的方法。常用的電池SOC估計方法可以分為直接法和間接法,如圖2所示,直接法主要有庫倫計數(shù)法和開路電壓(open circuit voltage,OCV)法,間接法主要包括基于模型的方法和基于機器學習的方法。直接法中的庫倫計數(shù)法也叫安時(Ah)積分法,該方法在計算SOC的過程中,傳感器測量誤差會導致SOC估計誤差不斷累積,且錯誤的初始SOC值會使估計結(jié)果偏離真實值[9]。而開路電壓法需要將電池在無負載的情況下靜置很長時間來測量OCV。因此,使用直接法來進行SOC的實時在線估計并不是一個好的選擇,它們通常需要與基于模型的方法相結(jié)合,以實現(xiàn)更好的估計結(jié)果。

    圖2 電池SOC估計方法分類 Fig. 2 Categories of SOC estimation methods

    基于模型的估計方法對電池模型的精度要求較高,而針對電池內(nèi)部復雜的物理化學反應(yīng)建立精確的模型并不容易。此外,基于模型的電池SOC估計通常與各種濾波算法、觀測器等相結(jié)合,在使用中需要根據(jù)情況選擇合適的模型參數(shù),錯誤的參數(shù)選擇會影響估計結(jié)果的準確性、收斂速度等。針對以上方法的局限性,機器學習方法作為一種應(yīng)用簡單、不需要了解系統(tǒng)先驗知識且可以捕捉測量信號和SOC之間非線性關(guān)系的有效工具,被越來越多的學者應(yīng)用到了電池SOC估計中。

    1.2 庫倫計數(shù)法

    庫倫計數(shù)法通過計算電池在充電/放電時測量電流對時間的積分來估計SOC[10],計算公式為

    式中:t0為初始時刻;tk=t0+k×Δt,Δt為采樣間隔;SOCk和SOC0分別為tk和t0時刻的SOC值;η為庫倫效率;Ik-1為k-1時刻的電流。

    庫倫計數(shù)法是一種簡單且直接的開環(huán)SOC計算方法[11],但從公式(2)不難看出其存在以下缺點:1)錯誤的初始SOC信息SOC0會導致估計結(jié)果偏離真實值,而實際應(yīng)用中,由于電池啟停是隨機的,其起始和終止狀態(tài)通常無法確定,因此很難獲得準確的SOC初始值;2)電流采集過程中的誤差會由于積分計算而不斷累積,導致SOC估計誤差不斷累積;3)電池老化或工作環(huán)境變化會導致電池最大可用容量Qmax發(fā)生變化,若不及時更新校準,會導致錯誤的SOC估計結(jié)果。

    針對這些缺點,庫倫計數(shù)法通常與其他技術(shù)結(jié)合使用,例如基于模型的SOC估計方法中,公式(2)和電池模型可以分別看作是狀態(tài)空間模型的狀態(tài)方程和測量方程,然后使用濾波算法或者觀測器等閉環(huán)方法估計電池SOC,能夠減輕或消除錯誤的初始值和測量噪聲對估計結(jié)果的影響[12]。

    1.3 開路電壓法

    OCV是電池在空載條件下的熱力學平衡勢,通過逐步測量不同SOC下的OCV,可以確定其與SOC的關(guān)系并建立OCV-SOC關(guān)系表[13]。也就是說,OCV法是一種查表法,根據(jù)測量到的OCV數(shù)據(jù),通過查找離線建立的OCV- SOC關(guān)系表來推斷電池SOC。

    該方法的實際應(yīng)用主要受到以下缺點的限制:1)不同電池的OCV-SOC關(guān)系是不同的,即便它們具有相同的材料和結(jié)構(gòu)[14],然而對每一塊電池在每一個SOC下測量OCV是一個耗時的過程,因為測量OCV需要長時間靜置電池以達到令人滿意的平衡狀態(tài);2)該方法是一種開環(huán)估計方法,對測量誤差和不確定性擾動敏感,有些種類的電池,特別是磷酸鐵鋰電池,在SOC中部區(qū)間的OCV曲線非常平緩,這意味著很小的OCV測量誤差就可以導致很大的SOC估計誤差[15]; 3)電池老化和工作溫度等條件變化也會影響OCV和SOC之間的對應(yīng)關(guān)系。因此,該方法更適合在實驗室條件下使用,而不適合進行實時在線的SOC估計。

    1.4 基于模型的SOC估計方法

    基于模型的SOC估計方法的示意圖如圖3所示。實際電池系統(tǒng)和電池模型的輸入可以是負載電流和環(huán)境溫度等,在大多數(shù)情況下,實際測量參數(shù)包括終端電壓等?;谀P偷腟OC估計方法的原理是:根據(jù)輸入信號和狀態(tài)空間模型的測量方程可以計算出測量信號的模型輸出值,比較其與實際測量值以得到殘差,然后濾波器或觀測器將根據(jù)該殘差信息來更新模型參數(shù)和系統(tǒng)狀態(tài),給出SOC估計結(jié)果。

    圖3 基于模型的SOC估計方法示意圖 Fig. 3 Schematic diagram of model-based SOC estimation methods

    在基于模型的SOC估計方法中,不同類型的電池模型,例如電化學模型、等效電路模型、黑箱模型等,通常與庫倫計數(shù)法結(jié)合以構(gòu)成狀態(tài)空間模型,其中作為狀態(tài)變量的SOC是連接狀態(tài)方程和測量方程的橋梁?;谠摖顟B(tài)空間模型,可以使用不同的濾波算法或觀測器來實現(xiàn)電池SOC的閉環(huán)估計,常用的有滑膜觀測器[16-17]、擴展卡爾曼濾波(extended Kalman filter,EKF)[18-19]、無跡卡爾曼濾波(unscented Kalman filter,UKF)[20-21]、H∞[22-23]濾波等。自適應(yīng)卡爾曼濾波算法通過更新噪聲協(xié)方差矩陣來提高對SOC的估計結(jié)果,例如文獻[24]使用Maybeck估計器來更新過程噪聲協(xié)方差矩陣,文獻[25]使用Sage-Husa自適應(yīng)卡爾曼濾波來更新過程和測量噪聲協(xié)方差矩陣,文獻[26]使用一種基于殘差的自適應(yīng)UKF來調(diào)整過程和測量噪聲的協(xié)方差值,與EKF、UKF以及自適應(yīng)EKF相比,自適應(yīng)UKF可以提供更準確的SOC估計結(jié)果。此外,文獻[27]使用粒子濾波估計SOC,且在此文獻的實驗分析中,粒子濾波與EKF具有相似的估計精度,但計算速度是EKF的6倍。文獻[28]使用無跡粒子濾波來估計SOC,與EKF、UKF和普通粒子濾波相比,該方法具有更好的估計精度和魯棒性。

    作為一種閉環(huán)估計方法,基于模型的SOC估計方法因諸多優(yōu)點而被廣泛使用。它對初始SOC值不敏感,在模型足夠精確的前提下,可以給出準確的在線SOC估計結(jié)果。然而,該方法對模型的精確度依賴性較強,但電池的工作特性呈現(xiàn)高度非線性,想要建立精確的電池模型并不容易,往往需要耗費大量的時間精力,有時還需要關(guān)于電池系統(tǒng)的先驗知識。因此,該方法并不適用于所有種類的電池[29]。

    1.5 基于機器學習的SOC估計方法

    隨著計算機技術(shù)的快速發(fā)展,越來越多的機器學習算法被用于電池SOC估計。人工神經(jīng)網(wǎng) 絡(luò)[30-31]、深度神經(jīng)網(wǎng)絡(luò)[32-33]、遞歸神經(jīng)網(wǎng)絡(luò)[34-35]、高斯過程回歸[36-37]等算法,都可以直接建立測量信號(如電壓、電流、表面溫度等)與SOC的關(guān)系,基于測量信號直接估計電池SOC。

    該方法的主要優(yōu)點是不需要任何先驗知識,在訓練模型的過程中可以通過向模型加入其他輸入來提高模型在各種不同操作條件下的性能,并且適用于所有類型的電池[38]。其主要問題是訓練一個符合要求的模型往往需要大量且全面的訓練數(shù)據(jù),并且對于使用低成本微處理器的電池管理系統(tǒng),需要注意最終模型的尺寸和計算復雜度不要超過限制。

    2 電池SOH估計方法

    2.1 電池SOH估計方法分類

    SOH是用來評估電池老化或衰退程度的一個重要指標。該參數(shù)以百分比的形式表示當前電池相對于新電池的健康狀態(tài),新電池的SOH為100%。電池內(nèi)部的化學反應(yīng)和物理過程不可避免地會導致電池衰退,因此SOH隨著電池使用時間的增加而不斷降低。電池容量和內(nèi)部阻抗是計算電池SOH的2個常用指標,根據(jù)對電池老化機理的研究,電池老化過程中容量的衰退主要是由鋰存量損失和電極活性材料損失導致的[39],而內(nèi)部阻抗的增加主要是由固體電解質(zhì)相界面膜的形成和成長導致的[40]。大多數(shù)研究使用實際容量來評估電池SOH,公式為

    式中QN表示電池額定容量。通常來說,當電池實際最大可用容量下降到額定容量的80%時(即SOH=80%),認為電池壽命終止并需要被更換。

    由于電池內(nèi)部反應(yīng)機理復雜,有諸多導致其性能衰退的運行及環(huán)境因素,比如環(huán)境溫度、運行中的放電深度、充/放電倍率等。且各種因素相互耦合,使得準確且快速地估計電池健康狀態(tài)極具挑戰(zhàn)。本文將目前常用的電池SOH估計方法分為基于模型的方法、基于增量容量分析(incremental capacity analysis,ICA)的方法以及基于機器學習的方法3類,如圖4所示。其中,機器學習算法由于具有強大的特征提取和非線性擬合能力、廣泛的適應(yīng)性和應(yīng)用簡單等優(yōu)勢,在電池狀態(tài)估計領(lǐng)域顯示出越來越強大的應(yīng)用潛力。

    圖4 電池SOH估計方法分類 Fig. 4 Categories of SOH estimation methods

    2.2 基于模型的SOH估計方法

    在基于模型的電池SOH估計方法中,電池電化學模型、等效電路模型、經(jīng)驗模型等[41-44]通常與濾波器、觀測器等結(jié)合使用,以實現(xiàn)在線容量估計。例如,文獻[45]基于Thevenin模型,使用自適應(yīng)H∞濾波器來估計電池容量。文獻[46]從電化學模型中提取了5個與電池老化具有明顯關(guān)系的特征參數(shù)來估計容量。文獻[47]基于經(jīng)驗模型, 使用2個獨立的EKF先后對Arrhenius老化模型的參數(shù)和電池容量進行估計。

    在該方法中,能準確描述電池動態(tài)性能的電池模型是實現(xiàn)高精度SOH估計的基礎(chǔ)。文獻[48]詳細總結(jié)了常用的電池模型,例如電化學模型、等效電路模型、黑箱模型等,并介紹了等效電路模型的結(jié)構(gòu)選擇和參數(shù)辨識方法。文獻[49]基于二階RC等效電路模型,對EKF、粒子濾波和遞歸最小二乘這3個算法在電池容量估計中的準確性和收斂速度等表現(xiàn)進行了比較和分析,結(jié)果表明:粒子濾波在電池老化的早期表現(xiàn)出最快的收斂速度和最好的估計結(jié)果,但長期表現(xiàn)最差且計算量最高,EKF的長期表現(xiàn)相對較好且計算負荷最小,而最小二乘算法在長期表現(xiàn)和計算量上都處于中間地位。

    此外,考慮到電池SOH是一個緩慢變化的狀態(tài),而電池SOC及電池模型參數(shù)等通??焖僮兓?,研究人員提出了多種多尺度估計框架分別在宏觀尺度下估計電池SOH,并在微觀尺度下估計電池SOC及辨識模型參數(shù),例如多尺度EKF[50]、多尺度雙H∞[51]、多尺度雙自適應(yīng)粒子濾波[52]等。

    盡管該方法可以實現(xiàn)較為準確的電池SOH估計,在使用電化學模型時還可以給出較為清晰的電池內(nèi)部微觀反應(yīng)過程,但其估計結(jié)果高度依賴于模型的質(zhì)量。然而建立精確的電池模型并非易事,這需要對電池動態(tài)具有充分的了解以及大量的先驗知識。此外,為了使模型性能不隨電池老化而降低,需要在使用過程中不斷更新模型的參數(shù),模型中存在的大量參數(shù)使得計算負荷較重。

    2.3 基于ICA的SOH估計方法

    ICA法和差分電壓分析(differential voltage analysis,DVA)法近幾年來被廣泛用于對電池容量衰退的評估。該方法的核心是增量容量(incremental capacity,IC)曲線及差分電壓(differential voltage,DV)曲線。其中,IC曲線是電池容量對端電壓的導數(shù)(即dQ/dV)與端電壓V的關(guān)系曲線,而DV曲線則是端電壓對容量的導數(shù)(dV/dQ)相對于容量Q的變化趨勢[53]。IC曲線通過微分操作,將電壓曲線上平臺區(qū)的微小變化巧妙放大,轉(zhuǎn)換為便于觀察和分析的波峰。通過對IC曲線波峰的幅值、位置、形狀、面積等特征進行分析,可以推斷電池老化的模式和機理,從而估計電池的SOH[54]。例如,文獻[55]在IC曲線上觀察到5個不同的特征,通過分析這5個特征隨電池老化的變化,最終選定與SOH有明顯關(guān)系的2個波峰和1個波谷來估計SOH。文獻[56]根據(jù)電壓與SOC在不同老化程度下的關(guān)系,得到了dQ/dV及dV/dQ與SOC的關(guān)系曲線,將傳統(tǒng)的基于電壓的IC及DV曲線轉(zhuǎn)換為基于SOC的IC及DV曲線,并從中提取了3個易于識別的SOC位置來估計電池SOC和實際容量。文獻[57]以IC曲線上波峰所對應(yīng)的電壓為中心,根據(jù)給定的電壓變化量可以確定該電壓區(qū)間的起止時間點,由此可以計算出該區(qū)間對應(yīng)的容量變化量,并依據(jù)該容量變化量與電池SOH之間明顯的線性關(guān)系來在線估計SOH。

    為了從IC曲線上獲得這些與電池老化有明顯關(guān)系的特征,電池需要在一定的電壓或SOC范圍內(nèi)工作。例如,在文獻[55]中,電池充電的起始SOC不得高于60%,否則將無法觀察到選定的特征。此外,ICA/DVA方法要求充放電電流較小以確保電芯接近平衡狀態(tài)[58],對測量噪聲敏感,易受到操作溫度的影響,這些缺點限制了該方法的實際應(yīng)用。

    2.4 基于機器學習的SOH估計方法

    復雜的電池內(nèi)部反應(yīng)和不確定的工作條件使得基于模型的和基于ICA的電池SOH估計方法都具有一定的局限性。近年來,隨著大數(shù)據(jù)、云平臺等新技術(shù)的發(fā)展,機器學習算法在電池SOH估計領(lǐng)域展現(xiàn)出巨大的潛力。該方法不需要有關(guān)電池復雜內(nèi)部反應(yīng)原理的先驗知識,且易于應(yīng)用。高斯過程回歸(Gaussian process regression,GPR)[59]、核嶺回歸(kernel ridge regression,KRR)[60]、支持向量機(support vector machine,SVM)[61]、隨機森林回歸[62]等機器學習算法已成功用于電池SOH估計。GPR可以同時估計電池容量并量化估計結(jié)果的不確定性[63]。文獻[64]從部分IC曲線上提取了11個健康特征,并以這些特征作為GPR模型的輸入建立了電池退化模型,實現(xiàn)電池SOH估計,該模型的精度和魯棒性在NASA電池老化數(shù)據(jù)集的4塊電池上得到驗證;其缺點是,作為輸入的健康特征對不同類型的電池來說是不同的,需要重新選擇并訓練模型。文獻[65]基于灰色關(guān)聯(lián)分析從電池的充電曲線中提取了8個健康特征,以這些健康特征為輸入、電池容量為輸出訓練相關(guān)向量機(relevance vector machine,RVM)模型。這些方法的估計結(jié)果在很大程度上取決于人為提取的特征參數(shù)是否能準確描述電池衰退趨勢,但特征的人為提取過程往往會帶來很大的工作量。此外,由于所提取的特征通常只適用于特定應(yīng)用(電池類型、工作條件等),因而模型不具有普適性和概括性。

    針對這一問題,Elman神經(jīng)網(wǎng)絡(luò)、長短期記憶(long short-term memory,LSTM)、卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)等可以自動從測量信號中提取特征的技術(shù)在SOH估計中的應(yīng)用得到了廣泛研究。文獻[66]使用電池過去循環(huán)的充電容量作為Elman神經(jīng)網(wǎng)絡(luò)的輸入來實時預測電池接下來的循環(huán)中的容量。文獻[67]使用LSTM網(wǎng)絡(luò)來估計電池容量,僅以電池電壓、電流等測量信號作為輸入,并且該方法的魯棒性和靈活性在模擬的電動車不同行駛模式下采集到的電池數(shù)據(jù)集上得到驗證。文獻[68]直接使用一個循環(huán)中部分充電段的電壓、電流和對應(yīng)的累積容量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入來估計電池容量。這些方法選擇了電壓、電流等直接且易于獲取的參數(shù)作為模型輸入,而不需要費時費力的人為特征提取過程,這使得它們的應(yīng)用更為簡單方便。然而,這些方法的估計結(jié)果對數(shù)據(jù)的依賴性很高,只有足夠的訓練數(shù)據(jù)集才能訓練出各方面性能令人滿意的模型。

    文獻[69]比較了用于電池容量估計的3種不同神經(jīng)網(wǎng)絡(luò)的表現(xiàn),即前饋神經(jīng)網(wǎng)絡(luò)、LSTM和CNN,實驗結(jié)果表明:在可用電池老化數(shù)據(jù)有限的情況下,這些模型很難給出令人滿意的估計結(jié)果。顯然,基于機器學習的方法在電池容量估計中顯示出了巨大的潛力,但其性能在很大程度上取決于訓練數(shù)據(jù)集的大小。然而,收集大量的電池退化數(shù)據(jù)需要大量的循環(huán)測試,這一過程非常耗時且成本高。為此,研究人員將遷移學習的概念與這些方法相結(jié)合,以提高它們在小數(shù)據(jù)集上的性能。例如,文獻[60,70-71]分別將核嶺回歸、LSTM和CNN與遷移學習相結(jié)合,提高了模型在小數(shù)據(jù)集上的電池容量估計精度。文獻[71]考慮到CNN網(wǎng)絡(luò)的尺寸和存在的大量冗余參數(shù),除遷移學習外,還結(jié)合了網(wǎng)絡(luò)剪枝技術(shù),大大減小了最終模型的大小和計算量。

    總體而言,與其他方法相比,基于機器學習的SOH估計方法適用于各種不同的充放電策略,對電池充放電電流、工作溫度等沒有限制,不要求電池完全充放電,且不需要對電池系統(tǒng)的深入了解。而其主要缺點是對數(shù)據(jù)集的依賴,以及相對較高的計算復雜度。在電池數(shù)據(jù)越來越豐富的應(yīng)用場景下,基于機器學習的方法具有廣闊的應(yīng)用前景。

    3 結(jié)論

    1)由于對初始化誤差和擾動不敏感、精確度較高、硬件設(shè)備易于實現(xiàn)等優(yōu)點,基于模型的估計方法是當前最受歡迎的電池狀態(tài)估計方法之一,但該方法對模型的依賴、模型對先驗知識的要求、模型中大量參數(shù)隨工況的變化等在一定程度上阻礙了其大規(guī)模應(yīng)用。

    2)基于機器學習的估計方法由于其自動的特征提取功能、強大的非線性擬合能力和表達能力、應(yīng)用簡單等優(yōu)點,在電池狀態(tài)估計領(lǐng)域展現(xiàn)了巨大的潛力?;诖罅康碾姵貙嶒灲⒇S富全面的數(shù)據(jù)庫后,機器學習方法就能夠建立充分描述電池在各種工作狀態(tài)、環(huán)境下動態(tài)特性的電池模型,實現(xiàn)準確的電池狀態(tài)估計。

    3)針對機器學習算法在電池狀態(tài)估計中計算量相對較大,對訓練數(shù)據(jù)的樣本數(shù)量要求較高,實際應(yīng)用受到電池管理系統(tǒng)硬件、數(shù)據(jù)存儲技術(shù)等限制的問題,提出以下解決方案:①從算法角度上,可以將現(xiàn)有算法與新算法相結(jié)合,利用新算法、新技術(shù)彌補現(xiàn)有算法的不足,例如可以結(jié)合網(wǎng)絡(luò)剪枝技術(shù)來壓縮、優(yōu)化模型以去除冗余結(jié)構(gòu),進而降低內(nèi)存和計算消耗,可以結(jié)合遷移學習技術(shù),減小對大量數(shù)據(jù)的依賴等;②從硬件角度上,傳感器的發(fā)展將會提高測量精度,減小測量誤差對狀態(tài)估計的影響,集成電路的發(fā)展將會不斷提高算力,降低對模型大小和計算復雜度的要求;③隨著云平臺、大數(shù)據(jù)技術(shù)的不斷發(fā)展,云存儲、云計算等技術(shù)使得大量數(shù)據(jù)的收集與處理成為可能。多個方面結(jié)合發(fā)展將一起為機器學習算法在電池狀態(tài)估計中的應(yīng)用提供強大支撐,推動其實際應(yīng)用。

    致 謝

    本文工作是在SP Energy Networks公司“A holistic approach for power system monitoring to support DSO transition”項目資助下完成的,在此表示衷心的感謝。

    猜你喜歡
    電池容量老化容量
    延緩大腦老化,要怎樣吃
    節(jié)能技術(shù)在開關(guān)電源老化測試中的應(yīng)用
    電子制作(2018年10期)2018-08-04 03:24:30
    4000mAh途鴿T2 稍顯優(yōu)勢
    消費電子(2016年10期)2016-11-10 16:42:20
    杜絕初春老化肌
    Coco薇(2016年2期)2016-03-22 02:40:06
    鋰離子電池充電管理及電池容量測量研究
    鋰離子電池容量衰減研究進展
    SnO2納米片容量異常行為的新解釋
    2015年上半年我國風電新增并網(wǎng)容量916萬千瓦
    風能(2015年8期)2015-02-27 10:15:12
    2015年一季度我國風電新增并網(wǎng)容量470萬千瓦
    風能(2015年5期)2015-02-27 10:14:46
    不越獄查看iPhone電池容量
    電腦迷(2013年6期)2013-04-29 00:44:03
    国产精品香港三级国产av潘金莲 | 欧美精品国产亚洲| 国产精品免费大片| 嫩草影院入口| 九九爱精品视频在线观看| 欧美在线黄色| 老汉色av国产亚洲站长工具| 国产精品偷伦视频观看了| 日本猛色少妇xxxxx猛交久久| 午夜激情久久久久久久| 美女国产高潮福利片在线看| 日韩电影二区| 国产成人精品久久二区二区91 | 汤姆久久久久久久影院中文字幕| 人妻人人澡人人爽人人| 丰满迷人的少妇在线观看| 亚洲精品国产色婷婷电影| 在线观看免费日韩欧美大片| 日韩精品有码人妻一区| av网站免费在线观看视频| 超色免费av| 久久久精品国产亚洲av高清涩受| 国产探花极品一区二区| 尾随美女入室| 18+在线观看网站| 国产探花极品一区二区| 久久国产精品大桥未久av| 黄频高清免费视频| 母亲3免费完整高清在线观看 | 午夜日韩欧美国产| 天堂俺去俺来也www色官网| 丁香六月天网| 男女午夜视频在线观看| 青草久久国产| videossex国产| 免费观看a级毛片全部| 男人添女人高潮全过程视频| 少妇 在线观看| 丰满迷人的少妇在线观看| 丝袜美腿诱惑在线| 国产成人欧美| 国产男女内射视频| 成年女人毛片免费观看观看9 | 国产毛片在线视频| 久久鲁丝午夜福利片| 女人久久www免费人成看片| 黄色配什么色好看| 叶爱在线成人免费视频播放| 一区二区日韩欧美中文字幕| 一级毛片电影观看| 桃花免费在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 欧美激情高清一区二区三区 | 在线亚洲精品国产二区图片欧美| av福利片在线| 国产精品偷伦视频观看了| 国产亚洲欧美精品永久| 亚洲国产欧美网| 精品第一国产精品| 亚洲内射少妇av| 国产精品欧美亚洲77777| 伦理电影免费视频| 国产亚洲最大av| 国产免费视频播放在线视频| 校园人妻丝袜中文字幕| 一区二区三区四区激情视频| 午夜日韩欧美国产| av不卡在线播放| 国产精品免费视频内射| 在线观看www视频免费| 色婷婷久久久亚洲欧美| 久久国内精品自在自线图片| 性色av一级| 极品少妇高潮喷水抽搐| 久久久精品免费免费高清| 日韩熟女老妇一区二区性免费视频| 国产精品久久久av美女十八| 日韩一区二区视频免费看| 1024香蕉在线观看| 99国产综合亚洲精品| 最新的欧美精品一区二区| 精品国产乱码久久久久久小说| 国产精品 国内视频| 欧美bdsm另类| 熟女少妇亚洲综合色aaa.| 一区二区三区四区激情视频| 麻豆精品久久久久久蜜桃| 黄色 视频免费看| 亚洲,欧美,日韩| 亚洲天堂av无毛| 黄片播放在线免费| 自线自在国产av| videosex国产| 成人国语在线视频| 免费在线观看视频国产中文字幕亚洲 | 久久国产亚洲av麻豆专区| 在线亚洲精品国产二区图片欧美| 天天躁狠狠躁夜夜躁狠狠躁| 国产男女超爽视频在线观看| 国产男女内射视频| 亚洲精品成人av观看孕妇| 欧美老熟妇乱子伦牲交| 亚洲熟女精品中文字幕| 欧美日韩国产mv在线观看视频| 欧美人与性动交α欧美软件| 波多野结衣av一区二区av| 黄频高清免费视频| 97在线视频观看| 国产精品99久久99久久久不卡 | 亚洲久久久国产精品| 电影成人av| 亚洲国产av新网站| 中文欧美无线码| 国产av精品麻豆| 宅男免费午夜| 亚洲国产毛片av蜜桃av| 精品国产国语对白av| 久久久久网色| 亚洲美女搞黄在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 熟妇人妻不卡中文字幕| 国产成人一区二区在线| 大话2 男鬼变身卡| 亚洲天堂av无毛| 国产亚洲午夜精品一区二区久久| 国产片内射在线| 国语对白做爰xxxⅹ性视频网站| 王馨瑶露胸无遮挡在线观看| 麻豆精品久久久久久蜜桃| 国产成人精品一,二区| 黄色一级大片看看| 满18在线观看网站| 日韩一卡2卡3卡4卡2021年| 人人澡人人妻人| av女优亚洲男人天堂| 99久久人妻综合| 国产成人一区二区在线| 男的添女的下面高潮视频| 日本vs欧美在线观看视频| 人人澡人人妻人| 激情视频va一区二区三区| 国产精品国产av在线观看| 99精国产麻豆久久婷婷| 国产一区二区三区av在线| 久久久久国产一级毛片高清牌| 视频在线观看一区二区三区| av又黄又爽大尺度在线免费看| 国产精品 国内视频| 边亲边吃奶的免费视频| 精品一区二区免费观看| av福利片在线| 黑人猛操日本美女一级片| 午夜老司机福利剧场| 晚上一个人看的免费电影| 亚洲少妇的诱惑av| 亚洲精品美女久久av网站| 永久免费av网站大全| 搡女人真爽免费视频火全软件| 街头女战士在线观看网站| xxx大片免费视频| 亚洲欧美一区二区三区久久| 纯流量卡能插随身wifi吗| 18禁国产床啪视频网站| 一级,二级,三级黄色视频| 一本色道久久久久久精品综合| 女人被躁到高潮嗷嗷叫费观| 考比视频在线观看| 天堂中文最新版在线下载| 亚洲精品日韩在线中文字幕| 一本—道久久a久久精品蜜桃钙片| 一级爰片在线观看| 99国产综合亚洲精品| 亚洲欧美成人综合另类久久久| 国产午夜精品一二区理论片| 精品一区在线观看国产| 黑人欧美特级aaaaaa片| 成人漫画全彩无遮挡| 春色校园在线视频观看| 欧美 日韩 精品 国产| 亚洲,欧美精品.| 视频在线观看一区二区三区| 亚洲精品国产一区二区精华液| 超色免费av| 欧美中文综合在线视频| 下体分泌物呈黄色| 欧美在线黄色| 成年人免费黄色播放视频| 肉色欧美久久久久久久蜜桃| 亚洲精品日韩在线中文字幕| 熟女少妇亚洲综合色aaa.| 不卡av一区二区三区| 狠狠精品人妻久久久久久综合| 国产 精品1| 久久精品国产鲁丝片午夜精品| 水蜜桃什么品种好| 日韩视频在线欧美| 国产高清不卡午夜福利| 成人黄色视频免费在线看| 美女xxoo啪啪120秒动态图| 亚洲五月色婷婷综合| 另类亚洲欧美激情| 亚洲国产精品一区二区三区在线| 国产熟女欧美一区二区| 桃花免费在线播放| 人妻人人澡人人爽人人| videos熟女内射| 老司机影院毛片| 国产一区二区在线观看av| 久久韩国三级中文字幕| 九九爱精品视频在线观看| 亚洲欧美成人精品一区二区| av免费观看日本| 中文字幕精品免费在线观看视频| 青春草国产在线视频| 大香蕉久久网| 免费av中文字幕在线| 晚上一个人看的免费电影| 寂寞人妻少妇视频99o| 综合色丁香网| 考比视频在线观看| 亚洲精品乱久久久久久| 99热全是精品| 精品国产乱码久久久久久男人| 国产精品一国产av| 久久精品夜色国产| 日本免费在线观看一区| 黄色毛片三级朝国网站| 亚洲成av片中文字幕在线观看 | 久久久精品94久久精品| 国产在线一区二区三区精| 丝袜人妻中文字幕| 2021少妇久久久久久久久久久| 国产精品国产av在线观看| 性少妇av在线| a 毛片基地| 精品酒店卫生间| 国产精品欧美亚洲77777| 自线自在国产av| 国产黄色免费在线视频| 五月天丁香电影| 久久鲁丝午夜福利片| 日本猛色少妇xxxxx猛交久久| 热re99久久精品国产66热6| 美女脱内裤让男人舔精品视频| 国产精品欧美亚洲77777| 亚洲美女搞黄在线观看| 亚洲天堂av无毛| 黄色视频在线播放观看不卡| 亚洲第一区二区三区不卡| 日本av手机在线免费观看| 亚洲精品久久成人aⅴ小说| 国产精品国产三级专区第一集| 精品第一国产精品| 亚洲美女搞黄在线观看| 欧美人与性动交α欧美精品济南到 | 狠狠精品人妻久久久久久综合| 永久免费av网站大全| 大片免费播放器 马上看| 1024香蕉在线观看| 欧美少妇被猛烈插入视频| 国产深夜福利视频在线观看| 少妇被粗大猛烈的视频| 一区二区三区激情视频| a级毛片在线看网站| av国产久精品久网站免费入址| 18+在线观看网站| 日韩大片免费观看网站| 久久精品国产亚洲av天美| 亚洲av国产av综合av卡| 亚洲欧美精品综合一区二区三区 | 黑人欧美特级aaaaaa片| 精品一品国产午夜福利视频| 中文精品一卡2卡3卡4更新| 成年av动漫网址| 久久精品亚洲av国产电影网| 99热全是精品| 亚洲av中文av极速乱| 欧美国产精品va在线观看不卡| 亚洲,欧美,日韩| 午夜久久久在线观看| 伊人久久国产一区二区| 免费在线观看黄色视频的| 建设人人有责人人尽责人人享有的| 欧美激情高清一区二区三区 | 欧美成人精品欧美一级黄| 男女啪啪激烈高潮av片| 水蜜桃什么品种好| 中文天堂在线官网| 曰老女人黄片| 人体艺术视频欧美日本| 久久精品国产综合久久久| 宅男免费午夜| 日韩制服骚丝袜av| 中文乱码字字幕精品一区二区三区| 欧美日韩国产mv在线观看视频| 免费久久久久久久精品成人欧美视频| 性色avwww在线观看| kizo精华| 人人妻人人澡人人看| 亚洲国产色片| 极品少妇高潮喷水抽搐| 久久女婷五月综合色啪小说| 亚洲欧美成人综合另类久久久| 一区二区三区四区激情视频| 免费黄频网站在线观看国产| 亚洲一码二码三码区别大吗| 国产精品人妻久久久影院| 中文乱码字字幕精品一区二区三区| 天天躁夜夜躁狠狠躁躁| 亚洲经典国产精华液单| 久久久亚洲精品成人影院| 国产精品三级大全| 亚洲四区av| 伦理电影免费视频| 男女国产视频网站| 精品国产超薄肉色丝袜足j| 色网站视频免费| 男女边吃奶边做爰视频| 校园人妻丝袜中文字幕| 日本91视频免费播放| 欧美黄色片欧美黄色片| 久久久精品国产亚洲av高清涩受| 国产精品秋霞免费鲁丝片| 国产精品一区二区在线不卡| 久久久久久久国产电影| 人妻少妇偷人精品九色| kizo精华| 亚洲精品日韩在线中文字幕| xxx大片免费视频| 精品国产超薄肉色丝袜足j| 午夜福利一区二区在线看| 日本午夜av视频| 国产欧美日韩综合在线一区二区| 久久97久久精品| www日本在线高清视频| 91成人精品电影| 精品一区二区三卡| 高清黄色对白视频在线免费看| 中文字幕制服av| 黄色一级大片看看| 91午夜精品亚洲一区二区三区| 欧美黄色片欧美黄色片| 亚洲精品久久久久久婷婷小说| 国产精品 欧美亚洲| 一级a爱视频在线免费观看| 国产av一区二区精品久久| 精品福利永久在线观看| 一区二区三区四区激情视频| 免费看av在线观看网站| 久久精品国产鲁丝片午夜精品| 国产亚洲av片在线观看秒播厂| 性少妇av在线| 精品少妇内射三级| 一边摸一边做爽爽视频免费| 高清av免费在线| 国产日韩一区二区三区精品不卡| 秋霞在线观看毛片| 十分钟在线观看高清视频www| 性少妇av在线| 国产精品免费大片| 97精品久久久久久久久久精品| 国产av精品麻豆| 一区二区三区精品91| 免费久久久久久久精品成人欧美视频| 国产人伦9x9x在线观看 | 中文精品一卡2卡3卡4更新| 日本欧美国产在线视频| 国产精品不卡视频一区二区| 这个男人来自地球电影免费观看 | 亚洲精品第二区| 黑丝袜美女国产一区| 18禁裸乳无遮挡动漫免费视频| 国产成人a∨麻豆精品| 18禁观看日本| 熟女av电影| 在线观看三级黄色| 最近手机中文字幕大全| 狠狠婷婷综合久久久久久88av| 国产成人精品久久二区二区91 | 亚洲色图 男人天堂 中文字幕| 国产国语露脸激情在线看| 精品卡一卡二卡四卡免费| www.av在线官网国产| 日韩三级伦理在线观看| 日韩精品免费视频一区二区三区| a级毛片在线看网站| 免费黄色在线免费观看| 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 日本黄色日本黄色录像| 少妇猛男粗大的猛烈进出视频| 成年动漫av网址| 又大又黄又爽视频免费| 亚洲少妇的诱惑av| 国产国语露脸激情在线看| 熟妇人妻不卡中文字幕| 免费高清在线观看视频在线观看| 亚洲色图综合在线观看| 欧美+日韩+精品| 亚洲精品久久午夜乱码| 日韩欧美一区视频在线观看| 国产精品欧美亚洲77777| 亚洲图色成人| 久久精品亚洲av国产电影网| 丝袜在线中文字幕| 天天躁夜夜躁狠狠久久av| 亚洲欧美精品综合一区二区三区 | 日产精品乱码卡一卡2卡三| 免费观看性生交大片5| 人妻一区二区av| 一级毛片 在线播放| 91成人精品电影| 中文字幕色久视频| 丝瓜视频免费看黄片| 七月丁香在线播放| 久久人人97超碰香蕉20202| 性少妇av在线| 免费黄频网站在线观看国产| 日韩一卡2卡3卡4卡2021年| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲欧洲国产日韩| 天天躁狠狠躁夜夜躁狠狠躁| 欧美人与性动交α欧美精品济南到 | 欧美+日韩+精品| 成人国产av品久久久| 两个人免费观看高清视频| 亚洲国产av影院在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品自拍成人| a级毛片黄视频| 亚洲精品日韩在线中文字幕| 午夜福利影视在线免费观看| 电影成人av| 国产免费一区二区三区四区乱码| 国产xxxxx性猛交| 久久精品国产自在天天线| 国产爽快片一区二区三区| 国产精品av久久久久免费| 校园人妻丝袜中文字幕| 久久精品人人爽人人爽视色| 亚洲,一卡二卡三卡| 大陆偷拍与自拍| 七月丁香在线播放| 国产精品蜜桃在线观看| 老熟女久久久| 免费日韩欧美在线观看| 少妇的逼水好多| av网站免费在线观看视频| 日韩av在线免费看完整版不卡| 国产极品天堂在线| 欧美日韩一级在线毛片| 毛片一级片免费看久久久久| 美女午夜性视频免费| 国产黄色免费在线视频| 91精品伊人久久大香线蕉| 久久精品国产亚洲av涩爱| 伊人亚洲综合成人网| 欧美人与性动交α欧美软件| 国产一区有黄有色的免费视频| 一级爰片在线观看| 国产成人精品一,二区| 欧美激情高清一区二区三区 | 精品一区二区三卡| 国产人伦9x9x在线观看 | 国产一区二区 视频在线| 日韩一区二区三区影片| 永久网站在线| 国产男女内射视频| 精品卡一卡二卡四卡免费| 18禁国产床啪视频网站| 99国产综合亚洲精品| 日本wwww免费看| 中文乱码字字幕精品一区二区三区| 亚洲欧洲日产国产| 黄网站色视频无遮挡免费观看| 国产亚洲一区二区精品| 肉色欧美久久久久久久蜜桃| 搡女人真爽免费视频火全软件| 午夜日本视频在线| 中文字幕色久视频| 在线免费观看不下载黄p国产| 国产精品国产三级国产专区5o| 曰老女人黄片| 男女免费视频国产| 久久久精品国产亚洲av高清涩受| 国产精品人妻久久久影院| 看免费av毛片| 亚洲国产毛片av蜜桃av| 宅男免费午夜| 丰满迷人的少妇在线观看| 性色av一级| 久久久久精品人妻al黑| 日韩三级伦理在线观看| a 毛片基地| 香蕉丝袜av| 777米奇影视久久| 曰老女人黄片| 纵有疾风起免费观看全集完整版| 另类亚洲欧美激情| 天天操日日干夜夜撸| 大片免费播放器 马上看| 97在线人人人人妻| 又大又黄又爽视频免费| 精品久久久精品久久久| 精品人妻在线不人妻| 成人国产麻豆网| 毛片一级片免费看久久久久| 精品人妻熟女毛片av久久网站| 寂寞人妻少妇视频99o| av国产精品久久久久影院| 午夜福利一区二区在线看| 黄片无遮挡物在线观看| av女优亚洲男人天堂| 考比视频在线观看| av网站免费在线观看视频| 午夜福利影视在线免费观看| 1024香蕉在线观看| 少妇的丰满在线观看| 我的亚洲天堂| 国产精品麻豆人妻色哟哟久久| 最近最新中文字幕大全免费视频 | 精品一区二区免费观看| 黄色视频在线播放观看不卡| 国产一区二区激情短视频 | 亚洲精品国产av蜜桃| 亚洲一区二区三区欧美精品| 王馨瑶露胸无遮挡在线观看| 女性生殖器流出的白浆| av网站在线播放免费| 成年av动漫网址| 成人毛片60女人毛片免费| 久久久久网色| 人人妻人人爽人人添夜夜欢视频| 你懂的网址亚洲精品在线观看| 亚洲人成网站在线观看播放| 亚洲国产欧美在线一区| 亚洲欧美日韩另类电影网站| 夫妻性生交免费视频一级片| 黄色怎么调成土黄色| 少妇精品久久久久久久| 哪个播放器可以免费观看大片| av福利片在线| 国产 精品1| 免费观看av网站的网址| 中国国产av一级| 国产精品久久久久久久久免| 亚洲精品aⅴ在线观看| av在线播放精品| 成年人免费黄色播放视频| 一级片'在线观看视频| 免费少妇av软件| 国产 一区精品| 麻豆精品久久久久久蜜桃| 高清黄色对白视频在线免费看| 久久久久久伊人网av| 欧美精品亚洲一区二区| 精品国产露脸久久av麻豆| 久久97久久精品| a级片在线免费高清观看视频| 人人妻人人澡人人看| 9热在线视频观看99| 久久亚洲国产成人精品v| av一本久久久久| 丝袜喷水一区| av免费在线看不卡| 黄网站色视频无遮挡免费观看| 色网站视频免费| 黄片播放在线免费| 国产日韩欧美在线精品| 亚洲国产精品一区二区三区在线| 又大又黄又爽视频免费| 精品人妻一区二区三区麻豆| 日韩一本色道免费dvd| 国产免费视频播放在线视频| 黄色一级大片看看| 日韩av免费高清视频| 黄色 视频免费看| 夫妻性生交免费视频一级片| 日本猛色少妇xxxxx猛交久久| 一二三四中文在线观看免费高清| 9热在线视频观看99| 肉色欧美久久久久久久蜜桃| 国产精品99久久99久久久不卡 | 国产成人91sexporn| 国产日韩欧美视频二区| 国产精品无大码| 久久精品夜色国产| 中文欧美无线码| 免费日韩欧美在线观看| 久久久久久久久久久久大奶| 好男人视频免费观看在线| 久久久久久久久久人人人人人人| 少妇人妻 视频| av在线老鸭窝| 只有这里有精品99| 国产精品蜜桃在线观看| 欧美精品一区二区免费开放| 18禁观看日本| 成人黄色视频免费在线看| 伊人久久国产一区二区| 国产黄频视频在线观看| 国产爽快片一区二区三区| 亚洲一区二区三区欧美精品| 水蜜桃什么品种好| 成人毛片60女人毛片免费| 欧美人与性动交α欧美软件| 久久国产精品大桥未久av| 午夜激情av网站| 叶爱在线成人免费视频播放| 亚洲av免费高清在线观看| 看十八女毛片水多多多| 一本大道久久a久久精品| 国产一区二区激情短视频 | 国产欧美日韩一区二区三区在线| 超碰97精品在线观看|