相关向量机预测锂离子电池剩余有效寿命

随着新能源汽车的迅速发展,锂离子电池已得到广泛应用。准确预测锂离子电池剩余有效寿命(RUL)对于合理规划电池使用至关重要。目前,机器算法和模型预测已广泛应用于电池剩余有效寿命的预测中。本文基于数据驱动的方法进行锂离子电池剩余有效寿命预测,通过使用相关向量机(RVM)将长期预测分为多段短期预测,并结合自相关函数、灰色关联度模型、卡尔曼滤波器(KF)进行模型优化与改进,改进后的RVM模型在三组目标电池RUL预测中的相对误差分别为5.46%、7.14%和6.29%,与其他几种预测模型的对比结果表明该模型优于其他模型。

相关向量机预测电池健康状态和剩余有效寿命

相关向量机(relevance vector machine,RVM)算法由于其高稀疏性的特征,比有同样原始模型的支持向量机(support vector machine,SVM)算法有着更多的优势,在锂离子电池剩余有效寿命的研究中受到了关注。总结了现有的基于RVM算法的预测模型,介绍针对于电池寿命中RVM算法的改进,为之后的研究提供一定的参考。

全固态锂电池的固态电解质进展与专利分析

固态锂电池由于具有安全性高、能量密度高等优势,已成为未来锂电池发展的必经之路。其中,固态电解质作为固态电池区别于传统液态电池的核心部件,已逐渐受到各国重视。本文介绍了三类固态电解质:聚合物、氧化物和硫化物固态电解质,分析了目前最新研究进展和突出研究成果。其中,聚合物电解质具有黏弹性好、机械加工性能优、质量轻等特点。氧化物固态电解质研究时间较长,本文简要介绍了钙钛矿型、NASICON型、Garnet型电解质。而硫化物电解质因具有较高的离子电导率,近年来也广受关注。最后对固态电解质的专利申请进行分析,期于让读者了解不同地区固态电解质的研究水平与进展,倡议加大相关研究经费的投入,为相关企业、高校寻求合作提供选择与建议。

基于数据驱动的动力电池健康状态评估平台

随着新能源汽车迅速发展普及,对动力电池健康状态进行准确评估成为了一个亟待解决的问题。针对这一问题,本文以轻量梯度提升机(light gradientboostingmachine,LightGBM)为基础,采集数据处理特征并进行训练,最终构建了一个动力电池健康状态评估平台。首先,依据相关工作,在原始数据中提取了6个特征工程--放电电压的最小值的时间、负载电压的75百分位、放电电压平均值、放电负载电压的25百分位、放电电压的25百分位和放电电压的标准差。其次通过引入直方图算法、单边梯度采样算法和斥特征捆绑算法,对数据进行进一步处理,以减少平台的内存消耗与计算代价。最后采用NASA艾姆斯卓越预测中心的数据,对平台功能进行验证并与相似工作进行对比,结果表明该平台可以提供良好的预测精度(均方根误差仅0.0103)。该平台对动力电池SOH预测方法的发展具有积极的影响,具有巨大的实际运用潜力。

二次电池生产场地环境风险评价软件开发与应用

针对二次电池生产场地的环境问题以及随之而来的员工职业健康风险,设计了场地环境风险评价软件。以生命周期评价理论为基础,建立土壤重金属污染评价、人体健康风险计算模型并应用于软件系统。以长江三角洲某电池生产场地为例进行系统操作,证实该软件能成功对二次电池生产场地的生态风险进行评价。该软件为治理环境土壤污染提供有针对性的措施及软件支持,这对于监管不同场地的生态风险、保护人体健康具有重要意义。