科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着电动汽车领域的快速发展，海量电池系统的健康监管和性能评估成为有待解决的关键技术之一。本工作搭建了电池组等效电路模型，依托单体不一致型参数的正交组合模拟多种电池组健康状态，通过模型仿真生成电池组样本数据集。搭建了卷积神经网络模型，以电池组局部充电电压曲线图像为输入，提取能够反映电池组健康状态的形态学特征，对电池组进行快速分类。选用整组可用容量、可用能量、容量利用率和能量利用率四个参数指标，通过层次分析法分配各参数权重，提出一种综合考虑电池组性能表征的健康度评价指标，依据评价指标实现电池组分筛。在仿真生成的数据集上对分类模型进行了训练和测试，结果表明，所构建的电池组分类模型在测试集上能够达到97%以上的准确率。通过分类任务混淆矩阵的一系列模型评价指标，进一步验证了该方法的有效性。本工作提出的基于视觉特征提取的电池组健康状态综合评估和分筛方法有助于推动对电池性能评估的研究，为电池系统的健康监管提供新的理论依据。
- 单位
