[1]宋 超,熊 刚,谢勇波,等.基于 ARIMA 模型的动力电池不一致性预警研究[J].控制与信息技术(原大功率变流技术),2019,(05):82-87.[doi:10.13889/j.issn.2096-5427.2019.05.018]
 SONG Chao,XIONG Gang,XIE Yongbo,et al.ARIMA Based Research on Cell Inconsistency Prediction of Power Battery[J].High Power Converter Technology,2019,(05):82-87.[doi:10.13889/j.issn.2096-5427.2019.05.018]
点击复制

基于 ARIMA 模型的动力电池不一致性预警研究()
分享到:

《控制与信息技术》(原《大功率变流技术》)[ISSN:2095-3631/CN:43-1486/U]

卷:
期数:
2019年05期
页码:
82-87
栏目:
故障诊断
出版日期:
2019-10-05

文章信息/Info

Title:
ARIMA Based Research on Cell Inconsistency Prediction of Power Battery
文章编号:
2096-5427(2019)05-0082-06
作者:
宋 超熊 刚谢勇波王文明
(中车时代电动汽车股份有限公司湘江新区分公司,湖南 长沙 410083)
Author(s):
SONG Chao XIONG Gang XIE Yongbo WANG Wenming
( Xiangjiang New Area Branch Office, CRRC Times Electric Vehicle Co., Ltd., Changsha, Hunan 410083, China )
关键词:
动力电池单体不一致性ARIMA模型健康因子时间序列电池管理车联网
Keywords:
power battery cell inconsistency ARIMA model health factor time series battery management vehicle network
分类号:
TM912
DOI:
10.13889/j.issn.2096-5427.2019.05.018
文献标志码:
A
摘要:
单体电压的不一致性影响动力电池使用寿命和行车安全。为了实现动力电池不一致性的及时预警,文章基于车联网平台海量历史数据,构建时间维度反应不一致性退化趋势的健康因子,并基于荷电状态分段区间进行健康因子时间序列提取;考虑到健康因子长时间范围内波动且难以预测,引入ARIMA模型进行相邻放电工况内健康因子时间序列的小样本预测。预测结果表明,该方法对训练样本数量和硬件资源配置要求低,且整体预测准确性不低于90%,可以满足实用需求。
Abstract:
Cell inconsistency affects battery life and driving safety. In order to solve the accuracy problem of cell inconsistency prediction of power battery, a health indicator(HI) was constructed to reflect the degradation trends of cell inconsistency in the time dimension based on massive historical data of the vehicle network platform, and health indicator time series were extracted based on the segmentation interval of SOC. Considering the fluctuation of the health indicator after a long time, a ARIMA model was introduced for small sample prediction, only using the health indicator time series in recent several discharge conditions. The prediction results show that the method requires less training samples and less hardware resources, and the overall prediction accuracy is not less than 90%, which can meet the practical requirements.

参考文献/References:

[1] 戴海峰, 王楠, 魏学哲, 等. 车用动力锂离子电池单体不一致性问题研究综述[J]. 汽车工程, 2014, 36(2):181-188.

[2] 徐顺刚, 王金平, 徐建平. 一种延长电动汽车蓄电池寿命的均衡充电控制策略[J]. 中国电机工程学报, 2012, 32(3): 43-48.
[3] 隋欣, 张晓虎, 陈永翀, 等. 基于等效电路模型的串联电池组不一致分布特征仿真分析[J]. 电工电能新技术,2018, 37(9): 24-42.
[4] 王震坡, 孙逢春, 林程. 不一致性对动力电池组使用寿命影响的分析[J]. 北京理工大学学报, 2006, 26(7): 577-580.
[5] 初超,齐铂金, 杜晓伟. 电动汽车锂离子电池组不一致性分析[J]. 科技创新导报, 2009(25): 112-113.
[6] 杨玮. 基于GM(1, 1)与ARIMA的长江干线航道水位预测研究[D]. 武汉: 武汉理工大学, 2015.
[7] 陶耀东,李宁.基于ARIMA模型的工业锂电池剩余使用寿命预测[J].计算机系统应用, 2017, 26(11): 282-287.
[8] 潘海鸿, 吕志强, 付兵, 等. 采用极限学习机实现锂离子电池健康状态在线估算[J]. 汽车工程, 2017, 39(12): 1375-1381.

相似文献/References:

[1]杨杰君,文健峰,王 全,等. 基于在线极限连续学习机的LiFePO4动力电池SOC 估算[J].控制与信息技术(原大功率变流技术),2019,(05):1.[doi:10.13889/j.issn.2096-5427.2019.05.100]
 YANG Jiejun,WEN Jianfeng,WANG Quan,et al. SOC Estimation of LiFePO4 Power Battery Based on OSELM[J].High Power Converter Technology,2019,(05):1.[doi:10.13889/j.issn.2096-5427.2019.05.100]
[2]杨杰君,文健峰,王 全,等.基于在线极限连续学习机的 LiFePO4动力电池 SOC 估算[J].控制与信息技术(原大功率变流技术),2019,(05):27.[doi:10.13889/j.issn.2096-5427.2019.05.100]
 YANG Jiejun,WEN Jianfeng,WANG Quan,et al.SOC Estimation of LiFePO4 Power Battery Based on OSELM[J].High Power Converter Technology,2019,(05):27.[doi:10.13889/j.issn.2096-5427.2019.05.100]
[3]文健峰,王 全,刘 媛,等.一种基于双积分器的车载动力电池 SOC 估算和修正策略[J].控制与信息技术(原大功率变流技术),2019,(05):31.[doi:10.13889/j.issn.2096-5427.2019.05.007]
 WEN Jianfeng,WANG Quan,LIU Yuan,et al.A Strategy of SOC Estimation and Correction for Vehicle PowerBatteries Based on Double-integrator[J].High Power Converter Technology,2019,(05):31.[doi:10.13889/j.issn.2096-5427.2019.05.007]

备注/Memo

备注/Memo:
收稿日期:2019-08-08
作者简介:宋超(1987—),男,硕士,高级工程师,主要研究方向为车辆大数据分析与网联化终端开发。
基金项目:国家重点研发计划(2018YFB0104500)
更新日期/Last Update: 2019-10-23