【文章速递】【eTransportation】用于磷酸铁锂电池多状态联合估计的超声波增强型分层深度学习框架
Posted at 2025-02-08 in 最新文章
随着电池存储系统的快速发展和日益复杂，要实现全面而精准的电池管理，需要从单一状态估计转向准确的多状态联合估计。然而，由于两个关键因素，磷酸铁锂电池的准确多状态联合估计仍然具有挑战性：一是外部电压曲线平坦，导致内部状态可观测性弱；二是独立估计器无法捕捉多状态之间的强耦合。为了解决这些问题，我们引入超声波来获取电池内部物理和电化学状态的原位、工况信息，显著增强了多状态的可观测性。非线性相关性分析表明，超声波飞行时间（ToF）和频谱特征与电池状态的相关性远强于传统外部特征。此外，我们提出了一种具有注意力机制的分层深度学习框架，以充分利用多状态之间的相关性来改进联合估计。估计结果表明，超声波特征和分层深度学习框架全面提升了磷酸铁锂电池的核心温度（Tcore）、荷电状态（SoC）和剩余放电时间（RDT）的联合估计。与传统外部特征和独立估计器相比，所提出的框架实现了0.198 °C（Tcore）、1.045 %（SoC）和208.5 s（RDT）的均方根误差（RMSE），分别实现了59 %、52 %和61 %的RMSE降低。本研究开创性地引入了超声波测试，实现了高精度、低计算复杂度的多状态联合估计，在先进电池管理系统中展现出巨大潜力。
发表时间：2025年1月16日
文章链接：
Ultrasonic enhanced hierarchical deep learning framework for advanced LiFePO4 battery multi-state joint estimation
https://www.sciencedirect.com/science/article/pii/S2590116825000049