基于数据驱动的锂电池SOH估计和RUL预测

教育   科技   2024-04-14 19:37   上海  
点击“算法数据侠”,“星标”公众号

阅读今日所有推文,汇聚好运召唤神龙

Fighting,小侠客们好呀,今天的侠客主题是基于数据驱动的锂电池SOH估计和RUL预测。数字汽车大赛由新能源汽车国家大数据联盟主办,依托海量新能源汽车实时运行数据,以数据算法创新和数据分析应用为重点,通过挖掘数据价值,探索创新应用而发现和培养一批新能源汽车的优秀人才,为有创新创业想法的学生提供支持平台。大赛已连续五年举办,参赛者近两万名,通过大赛挖掘了一大批新能源汽车大数据优秀人才和项目。在2023年数字汽车大赛决赛中,来自同济大学的长期主义团队获得了创新组特等奖,本期我们将分享长期主义团队的决赛作品PPT讲解展示,供大家学习。来吧,涨涨姿势~

01

创新赛题

背景介绍随着新能源汽车使用时间越来越长、用户使用工况复杂性凸显,准确估计动力电池的健康状态及剩余使用寿命对于精准控车、防止动力电池滥用、合理安排梯次利用都尤为重要,但当前动力电池健康状态及剩余使用寿命估计方法的精度及鲁棒性均达不到预期目标,因此迫切需要一种基于数据驱动的动力电池健康状态及剩余寿命的估计方法。

问题描述请以国标GB/T 32960为基础的数据,对在线运行车辆进动力电池健康评估和剩余寿命预测,形成对原始数据的清洗、切分、重组等处理,建立电池健康状态评估及剩余寿命预测的模型,完成模型训练、输出电池健康评估分数和剩余寿命结果。
【数据说明】所用数据为某品牌13辆新能源汽车近1年的数据,数据采集字段基于国标GB/T 32960要求,车型覆盖东北、华南两个典型区域,车辆特征覆盖长期搁置再行驶、一直行驶、先行驶再搁置等典型用户使用特征。当前该数据集已整合至AI+新能源汽车数据集当中。
02

团队介绍

03

方案展示

04

作品节选


05

成果展示


06

结束语

以上就是基于数据驱动的锂电池SOH估计和RUL预测的所有内容了,创新组特等奖的方案突破了单一容量的电池SOH评价体系,引入了电池内阻和单体一致性进行电池SOH综合评估,另外创新性提出了LSTM+Attention网络用于电池RUL预测,并取得良好结果。今天的学习到此结束,我们下次再见咯~

算法数据侠
Hi, 今日的你比昨日更优秀!算法数据侠致力于最全最优质的AI算法与数据集分享,不定期更新AI算法/数据集、竞赛TOP方案和前沿学术速递,期待各位小侠客共勉!
 最新文章