• <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
    亚洲精华国产精华液的使用体验 | 日本-黄色视频高清免费观看| 最近最新中文字幕大全电影3| 97热精品久久久久久| 中文字幕熟女人妻在线| 哪个播放器可以免费观看大片| 99在线人妻在线中文字幕| 午夜福利高清视频| 五月伊人婷婷丁香| 日日撸夜夜添| 久久婷婷人人爽人人干人人爱| 国内少妇人妻偷人精品xxx网站| 国产极品天堂在线| 亚洲无线观看免费| 少妇熟女aⅴ在线视频| 亚洲人成网站在线播放欧美日韩| 女同久久另类99精品国产91| 精品熟女少妇av免费看| 中国美白少妇内射xxxbb| 小蜜桃在线观看免费完整版高清| 国产探花在线观看一区二区| 亚洲国产精品国产精品| 精品99又大又爽又粗少妇毛片| 搡老妇女老女人老熟妇| a级毛片a级免费在线| 国产精品综合久久久久久久免费| 亚洲欧美日韩东京热| 熟妇人妻久久中文字幕3abv| 两性午夜刺激爽爽歪歪视频在线观看| 日韩欧美在线乱码| 亚洲av成人精品一区久久| 久久久久久久亚洲中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 中出人妻视频一区二区| 久久99热6这里只有精品| 国产亚洲欧美98| 人妻少妇偷人精品九色| 春色校园在线视频观看| 成人av在线播放网站| 久久久久网色| 久久久色成人| 欧美3d第一页| 美女 人体艺术 gogo| 啦啦啦啦在线视频资源| 熟女人妻精品中文字幕| 人妻久久中文字幕网| 美女国产视频在线观看| 亚洲自拍偷在线| 亚洲欧美精品专区久久| 国产精品一及| 我要看日韩黄色一级片| 日本免费a在线| 亚洲国产精品成人综合色| 一区二区三区免费毛片| 亚洲最大成人手机在线| 国产老妇伦熟女老妇高清| 国产单亲对白刺激| 蜜桃亚洲精品一区二区三区| 久久人妻av系列| 波多野结衣巨乳人妻| 亚洲,欧美,日韩| 国产成人一区二区在线| 联通29元200g的流量卡| 国产又黄又爽又无遮挡在线| 尤物成人国产欧美一区二区三区| 国产综合懂色| 亚洲av中文字字幕乱码综合| 中文资源天堂在线| 国产精品1区2区在线观看.| 天天一区二区日本电影三级| 天天一区二区日本电影三级| 亚洲电影在线观看av| ponron亚洲| 亚洲精品日韩在线中文字幕 | 成人漫画全彩无遮挡| 九九热线精品视视频播放| 69av精品久久久久久| 久久久精品94久久精品| 国产黄a三级三级三级人| 久久精品综合一区二区三区| 毛片一级片免费看久久久久| 午夜精品在线福利| 国产日本99.免费观看| 级片在线观看| 国产日韩欧美在线精品| 国产成人freesex在线| 国语自产精品视频在线第100页| 国产成人精品久久久久久| 国产av在哪里看| 国产 一区精品| 久久精品夜夜夜夜夜久久蜜豆| 国产精品一及| 丰满乱子伦码专区| 一本久久精品| 热99re8久久精品国产| 好男人在线观看高清免费视频| 韩国av在线不卡| 夜夜夜夜夜久久久久| 欧美3d第一页| 九九爱精品视频在线观看| 一本精品99久久精品77| 青春草视频在线免费观看| 国产成人午夜福利电影在线观看| 特级一级黄色大片| 青春草视频在线免费观看| 国产av麻豆久久久久久久| 免费人成在线观看视频色| 色5月婷婷丁香| 九草在线视频观看| 成年女人看的毛片在线观看| 在线观看av片永久免费下载| 精品人妻视频免费看| 国产午夜精品久久久久久一区二区三区| 国产精品av视频在线免费观看| av在线天堂中文字幕| 日韩av在线大香蕉| 九九爱精品视频在线观看| 国产老妇女一区| 亚洲国产欧美在线一区| 久久99热6这里只有精品| 日本熟妇午夜| 亚洲一级一片aⅴ在线观看| 老司机影院成人| 国产午夜精品一二区理论片| 日韩精品有码人妻一区| 男人和女人高潮做爰伦理| 国产av麻豆久久久久久久| 神马国产精品三级电影在线观看| 免费人成视频x8x8入口观看| 99热精品在线国产| 欧美日韩精品成人综合77777| 日本av手机在线免费观看| 内地一区二区视频在线| 我的老师免费观看完整版| 亚洲国产欧美人成| 精品日产1卡2卡| 人人妻人人澡人人爽人人夜夜 | 三级经典国产精品| 哪里可以看免费的av片| 91精品国产九色| 国产白丝娇喘喷水9色精品| 日韩欧美一区二区三区在线观看| 国产美女午夜福利| 国产毛片a区久久久久| 国产蜜桃级精品一区二区三区| 亚洲四区av| 波多野结衣巨乳人妻| 亚洲国产精品sss在线观看| 男女视频在线观看网站免费| 国产伦精品一区二区三区四那| 99国产极品粉嫩在线观看| 成人午夜高清在线视频| 成人美女网站在线观看视频| 亚洲精品乱码久久久久久按摩| 日韩成人av中文字幕在线观看| 老司机福利观看| 精品不卡国产一区二区三区| 九九热线精品视视频播放| 极品教师在线视频| 99久久久亚洲精品蜜臀av| 嫩草影院精品99| 热99在线观看视频| 可以在线观看的亚洲视频| 伊人久久精品亚洲午夜| 色吧在线观看| 女人被狂操c到高潮| 一个人看的www免费观看视频| 国产精品人妻久久久影院| 51国产日韩欧美| 日韩国内少妇激情av| 国产私拍福利视频在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲欧美日韩东京热| 日韩欧美三级三区| 成人鲁丝片一二三区免费| 波野结衣二区三区在线| 亚洲精品国产成人久久av| 人妻久久中文字幕网| 成人亚洲欧美一区二区av| 床上黄色一级片| 一级av片app| 插逼视频在线观看| 日韩成人av中文字幕在线观看| 老师上课跳d突然被开到最大视频| 边亲边吃奶的免费视频| 两个人视频免费观看高清| 久久久久久久亚洲中文字幕| 少妇丰满av| 精品欧美国产一区二区三| 久久久久免费精品人妻一区二区| 亚洲精品色激情综合| 青春草国产在线视频 | 少妇裸体淫交视频免费看高清| 直男gayav资源| 欧美一区二区精品小视频在线| 日韩成人av中文字幕在线观看| 十八禁国产超污无遮挡网站| 亚洲成人中文字幕在线播放| 少妇人妻精品综合一区二区 | 听说在线观看完整版免费高清| 亚洲国产精品久久男人天堂| 亚洲自拍偷在线| 男人的好看免费观看在线视频| 人人妻人人看人人澡| 日韩欧美一区二区三区在线观看| 成人二区视频| 男女啪啪激烈高潮av片| 午夜免费激情av| 色5月婷婷丁香| 美女黄网站色视频| 欧美另类亚洲清纯唯美| 久久99精品国语久久久| 好男人在线观看高清免费视频| 国产精品乱码一区二三区的特点| 国产精品日韩av在线免费观看| 精品久久久久久成人av| 日韩精品青青久久久久久| 好男人视频免费观看在线| 免费一级毛片在线播放高清视频| 欧美bdsm另类| 人妻少妇偷人精品九色| 在线观看免费视频日本深夜| а√天堂www在线а√下载| 99热这里只有是精品50| 精华霜和精华液先用哪个| 1024手机看黄色片| 女同久久另类99精品国产91| 女人十人毛片免费观看3o分钟| 国内精品久久久久精免费| 五月伊人婷婷丁香| 欧美色欧美亚洲另类二区| 你懂的网址亚洲精品在线观看 | 性欧美人与动物交配| 永久网站在线| 欧美成人一区二区免费高清观看| 两性午夜刺激爽爽歪歪视频在线观看| 99在线人妻在线中文字幕| 亚洲人成网站在线播| 国产三级中文精品| 久久久久网色| 在线观看免费视频日本深夜| 色播亚洲综合网| 成人午夜精彩视频在线观看| 亚州av有码| 国产v大片淫在线免费观看| 成人毛片a级毛片在线播放| 欧美成人a在线观看| 欧美高清成人免费视频www| 久久亚洲精品不卡| 国产精品蜜桃在线观看 | 午夜福利视频1000在线观看| 波野结衣二区三区在线| 亚洲欧美日韩卡通动漫| 欧美人与善性xxx| 天堂√8在线中文| 欧美另类亚洲清纯唯美| 成人三级黄色视频| 能在线免费观看的黄片| 国内精品美女久久久久久| 欧美激情在线99| 久久久欧美国产精品| 色吧在线观看| 99久久成人亚洲精品观看| 亚洲欧美精品专区久久| 少妇熟女欧美另类| 一进一出抽搐gif免费好疼| 国产精品久久视频播放| 九草在线视频观看| 搡老妇女老女人老熟妇| 欧美高清成人免费视频www| 黑人高潮一二区| 老司机福利观看| 亚洲精品久久久久久婷婷小说 | 亚洲成人久久爱视频| 熟女电影av网| 69av精品久久久久久| 国产午夜精品一二区理论片| 精品久久国产蜜桃| 99热这里只有是精品50| 亚洲美女视频黄频| 欧美成人精品欧美一级黄| 男女啪啪激烈高潮av片| 亚洲精品国产av成人精品| 伦精品一区二区三区| АⅤ资源中文在线天堂| 亚洲国产精品久久男人天堂| avwww免费| 国产精品一二三区在线看| 日本-黄色视频高清免费观看| 99久久无色码亚洲精品果冻| 国产精品一区二区三区四区免费观看| 嫩草影院精品99| 精品国内亚洲2022精品成人| 久久久久久伊人网av| 嘟嘟电影网在线观看| 天天躁夜夜躁狠狠久久av| 毛片女人毛片| 你懂的网址亚洲精品在线观看 | 国产精品永久免费网站| 久久精品国产自在天天线| 狂野欧美白嫩少妇大欣赏| 精品熟女少妇av免费看| 男人的好看免费观看在线视频| 国产精品.久久久| 深爱激情五月婷婷| 亚洲国产日韩欧美精品在线观看| 国产精品日韩av在线免费观看| 日本一本二区三区精品| 草草在线视频免费看| 成人二区视频| 深夜a级毛片| 精品人妻熟女av久视频| 99久久久亚洲精品蜜臀av| 久久久久九九精品影院| 精品不卡国产一区二区三区| 亚洲精品久久国产高清桃花| 欧美区成人在线视频| 亚洲欧美日韩卡通动漫| 亚洲欧美日韩东京热| 欧美性感艳星| 亚洲国产日韩欧美精品在线观看| 成人漫画全彩无遮挡| 欧美变态另类bdsm刘玥| АⅤ资源中文在线天堂| 成人一区二区视频在线观看| 97超视频在线观看视频| 国产精品无大码| 国产精品美女特级片免费视频播放器| 成人特级黄色片久久久久久久| 亚洲婷婷狠狠爱综合网| 国产黄片美女视频| 亚洲aⅴ乱码一区二区在线播放| 欧美日韩国产亚洲二区| 久久综合国产亚洲精品| 亚洲,欧美,日韩| 狂野欧美激情性xxxx在线观看| 国产色婷婷99| АⅤ资源中文在线天堂| 欧美最黄视频在线播放免费| 国产精品人妻久久久影院| 中文在线观看免费www的网站| 午夜a级毛片| 欧美成人精品欧美一级黄| 亚洲成人精品中文字幕电影| 国产一级毛片在线| 国产一区二区在线观看日韩| 中文字幕免费在线视频6| 日本与韩国留学比较| 久久久久性生活片| 欧美日本亚洲视频在线播放| 国产精品伦人一区二区| www日本黄色视频网| 国产精品一二三区在线看| 久久热精品热| 国产成人aa在线观看| 免费观看在线日韩| 久久久国产成人免费| 成年女人看的毛片在线观看| 麻豆国产av国片精品| 亚洲一区二区三区色噜噜| 亚洲四区av| 高清午夜精品一区二区三区 | 永久网站在线| 国产精品久久久久久精品电影小说 | 精品无人区乱码1区二区| 日韩一本色道免费dvd| 久久国内精品自在自线图片| 精品熟女少妇av免费看| 精品一区二区三区视频在线| 日韩av不卡免费在线播放| 国产美女午夜福利| 久久99精品国语久久久| 啦啦啦啦在线视频资源| 国产不卡一卡二| 性欧美人与动物交配| 久久人人精品亚洲av| 啦啦啦啦在线视频资源| 国产精品福利在线免费观看| 色视频www国产| 中文字幕av成人在线电影| 可以在线观看的亚洲视频| 精品人妻偷拍中文字幕| 国产视频内射| 欧美日本亚洲视频在线播放| 久久精品久久久久久久性| 亚洲成人精品中文字幕电影| 国产亚洲欧美98| 国产亚洲5aaaaa淫片| 国产日本99.免费观看| 人人妻人人澡欧美一区二区| 亚洲欧美精品综合久久99| 91av网一区二区| 晚上一个人看的免费电影| 少妇丰满av| 亚洲国产精品久久男人天堂| 亚洲一级一片aⅴ在线观看| 男女那种视频在线观看| 国产精品三级大全| 99久久精品一区二区三区| 男女边吃奶边做爰视频| 人人妻人人看人人澡| 日韩强制内射视频| 亚洲,欧美,日韩| 搡老妇女老女人老熟妇| 国产黄片美女视频| 给我免费播放毛片高清在线观看| 成人毛片a级毛片在线播放| 热99re8久久精品国产| 国内少妇人妻偷人精品xxx网站| 在线免费观看不下载黄p国产| 只有这里有精品99| 特大巨黑吊av在线直播| 色噜噜av男人的天堂激情| 直男gayav资源| 亚洲一级一片aⅴ在线观看| 天堂网av新在线| 国产精品三级大全| 欧美日韩国产亚洲二区| 夜夜爽天天搞| 国产一级毛片七仙女欲春2| 久99久视频精品免费| 日日啪夜夜撸| 中出人妻视频一区二区| 丰满的人妻完整版| 啦啦啦观看免费观看视频高清| 国产黄a三级三级三级人| 在线国产一区二区在线| 亚洲av第一区精品v没综合| 亚洲国产精品合色在线| 性色avwww在线观看| 不卡一级毛片| 日韩一区二区三区影片| 欧美日韩精品成人综合77777| 日本三级黄在线观看| av免费在线看不卡| 亚洲丝袜综合中文字幕| 亚洲av一区综合| 色综合色国产| 亚洲最大成人手机在线| 亚洲精品日韩在线中文字幕 | 色综合亚洲欧美另类图片| 99热这里只有是精品50| 狂野欧美激情性xxxx在线观看| 亚洲成人精品中文字幕电影| 国产91av在线免费观看| 97超视频在线观看视频| 少妇的逼水好多| 我要搜黄色片| 欧美最新免费一区二区三区| 男人和女人高潮做爰伦理| 91午夜精品亚洲一区二区三区| 女人被狂操c到高潮| 搡女人真爽免费视频火全软件| 天堂影院成人在线观看| 亚洲内射少妇av| 日韩成人伦理影院| 天天躁日日操中文字幕| 亚洲成人久久性| a级毛色黄片| 久久精品久久久久久噜噜老黄 | 中文亚洲av片在线观看爽| 日韩亚洲欧美综合| 蜜臀久久99精品久久宅男| 成熟少妇高潮喷水视频| 国产精品免费一区二区三区在线| a级一级毛片免费在线观看| 少妇裸体淫交视频免费看高清| 亚洲av二区三区四区| 亚洲最大成人手机在线| 免费看a级黄色片| 免费黄网站久久成人精品| 99久久中文字幕三级久久日本| 久久这里有精品视频免费| 超碰av人人做人人爽久久| 亚洲色图av天堂| 国产亚洲av嫩草精品影院| 日韩精品青青久久久久久| 国产精品蜜桃在线观看 | 成人亚洲精品av一区二区| 美女黄网站色视频| 亚洲精华国产精华液的使用体验 | 日本黄大片高清| 欧美色欧美亚洲另类二区| 午夜a级毛片| 午夜精品一区二区三区免费看| 成人特级av手机在线观看| 日韩,欧美,国产一区二区三区 | 日韩欧美国产在线观看| 有码 亚洲区| 不卡视频在线观看欧美| 精品久久久久久久末码| 精品人妻偷拍中文字幕| 校园春色视频在线观看| 长腿黑丝高跟| 免费看光身美女| 欧美成人a在线观看| 99久久久亚洲精品蜜臀av| 性欧美人与动物交配| 日日撸夜夜添| 日韩在线高清观看一区二区三区| av卡一久久| 12—13女人毛片做爰片一| 性欧美人与动物交配| 国产精品一及| 在线播放无遮挡| 天天躁日日操中文字幕| 国内少妇人妻偷人精品xxx网站| 欧美成人精品欧美一级黄| 免费电影在线观看免费观看| 久久久a久久爽久久v久久| av免费在线看不卡| 国产在线男女| 丝袜美腿在线中文| 在线观看66精品国产| 成人无遮挡网站| 欧美三级亚洲精品| 99热这里只有是精品在线观看| 菩萨蛮人人尽说江南好唐韦庄 | av在线亚洲专区| 18禁在线无遮挡免费观看视频| 亚洲成人久久性| 亚洲图色成人| 成人特级av手机在线观看| 国产白丝娇喘喷水9色精品| 亚洲欧美中文字幕日韩二区| 国产不卡一卡二| 99精品在免费线老司机午夜| 两个人视频免费观看高清| 麻豆久久精品国产亚洲av| 亚洲一区高清亚洲精品| 99热只有精品国产| 色5月婷婷丁香| 亚洲欧美清纯卡通| 国产一区二区三区av在线 | 国产精品三级大全| 看十八女毛片水多多多| 亚洲人与动物交配视频| 99久久精品热视频| 波多野结衣巨乳人妻| 性插视频无遮挡在线免费观看| ponron亚洲| 成年av动漫网址| 麻豆国产97在线/欧美| 久久鲁丝午夜福利片| 亚洲欧美日韩高清专用| 亚洲精品日韩av片在线观看| 黄色欧美视频在线观看| 日日摸夜夜添夜夜爱| ponron亚洲| 蜜桃亚洲精品一区二区三区| 天堂√8在线中文| 大香蕉久久网| 欧美xxxx性猛交bbbb| 日韩精品有码人妻一区| 国产午夜精品一二区理论片| 亚洲精品久久国产高清桃花| 国产三级在线视频| 亚洲在线观看片| av在线播放精品| 22中文网久久字幕| 亚洲图色成人| 99九九线精品视频在线观看视频| 精品熟女少妇av免费看| 国产v大片淫在线免费观看| 99在线人妻在线中文字幕| 欧美不卡视频在线免费观看| 午夜激情欧美在线| 久久中文看片网| 亚洲在久久综合| 国产淫片久久久久久久久| 午夜a级毛片| 在线国产一区二区在线| 亚洲七黄色美女视频| av天堂中文字幕网| 免费搜索国产男女视频| 国产精品美女特级片免费视频播放器| 中文字幕av成人在线电影| 亚洲国产欧洲综合997久久,| 美女被艹到高潮喷水动态| 国产亚洲91精品色在线| 欧美变态另类bdsm刘玥| 欧美性猛交╳xxx乱大交人| 日韩,欧美,国产一区二区三区 | 听说在线观看完整版免费高清| 亚洲欧美日韩东京热| 成人无遮挡网站| 欧美精品一区二区大全| 青春草国产在线视频 | videossex国产| 亚洲一区二区三区色噜噜| 秋霞在线观看毛片| 22中文网久久字幕| 亚洲内射少妇av| 直男gayav资源| 国产亚洲91精品色在线| 国产在线男女| 日本av手机在线免费观看| 婷婷精品国产亚洲av| 日本一二三区视频观看| 三级国产精品欧美在线观看| 亚洲国产色片| 美女大奶头视频| 精品久久久久久久久久免费视频| 成人特级av手机在线观看| 国产伦理片在线播放av一区 | 午夜精品在线福利| 12—13女人毛片做爰片一| 麻豆乱淫一区二区| 少妇人妻一区二区三区视频| 成年av动漫网址| 午夜福利在线在线| 国产亚洲91精品色在线| 一级毛片aaaaaa免费看小| 一级二级三级毛片免费看| h日本视频在线播放|