基于放电电压平台研究的蓄电池寿命状态评估

作者：成庶; 吕壮壮; 刘畅; 向超群^*

来源：铁道科学与工程学报, 2023, 1-10.

DOI：10.19713/j.cnki.43-1423/u.T20230668

• 寿命评估
• 集成经验模态分解
• 离散小波变换
• 极限学习机
• 放电电压平台
• 在线检测

为解决传统动车组镍镉蓄电池的返修方法导致部分蓄电池在触发返修条件前已性能劣化，同时，大量已达返修标准的蓄电池性能并未过度衰退的问题。设计单体镍镉蓄电池全寿命加速老化实验并获取相关实验数据。首先，采用集成经验模态方法建立单体电池全寿命健康状态类别划分模型，然后运用离散小波变换消除放电电压平台数据的奇异值，进而利用极限学习机算法预测蓄电池寿命状态，最终实现对蓄电池全生命周期寿命的准确预测与健康状态评估功能。实验结果表明：相较于传统的蓄电池寿命阈值分类方法，运用集成经验模态建立的健康状态类别划分模型有效避免蓄电池寿命末端出现误警情况。作为融合算法模型输入的放电电压平台数据易获取，基于离散小波变换的数据预处理方法可提升算法准确率近3%，最终可达到96%-98%。此外，相对于传统的神经网络模型，融合算法模型不涉及迭代，因而能兼顾算法的预测精度与计算效能。蓄电池识别健康状态的F1值为0.9763，识别老化阶段的F1值为0.9509，识别故障阶段的F1值为0.939394。相较于传统的依据动车组运营里程和使用年限进而决定蓄电池是否返修的方法，融合算法模型提供了显著的评判标准，判别蓄电池是否应该返修，有效的识别蓄电池的健康状态，降低了动车组的运营成本，保障动车组运营安全，为电池寿命评判和检修策略的优化提供参考。

• 单位
  中南大学