Abstract
Lub Xeev Kev Noj Qab Haus Huv (SOH) kev kwv yees thev naus laus zis rau cov roj teeb lithium-ion yog qhov tseem ceeb rau kev nyab xeeb thiab kev ntseeg siab ntawm lub tsheb hluav taws xob. Nrog rau kev txhim kho kev txawj ntse (AI) thiab tshuab kev kawm (ML) thev naus laus zis, kev tswj hwm roj teeb tau pib siv cov txheej txheem no los txhim kho kev ua haujlwm thiab kev ruaj ntseg. Tshwj xeeb, neural tes hauj lwm tau pom qhov zoo hauv kev ua haujlwm siab, kev siv hluav taws xob tsawg, kev ua haujlwm siab, thiab kev ua kom muaj zog hauv SOH simulation thiab kev twv ua ntej. Cov qauv hybrid, ua ke nrog cov qauv sib npaug sib npaug (ECMs) thiab kev kawm sib sib zog nqus, tau raug pov thawj tias muaj peev xwm txhim kho qhov raug thiab kev ua tau zoo ntawm lub sijhawm ntawm SOH kwv yees. Cov lus qhia kev tshawb fawb yav tom ntej suav nrog kev siv ntau cov ntaub ntawv nyob rau ntawm qhov chaw rau kev tshuaj xyuas kev noj qab haus huv thiab kev tsim qauv, nrog rau kev tshuaj ntsuam xyuas ntse thiab kev sib xyaw ntawm cov roj teeb tsis zoo kom paub meej qhov tseeb ntawm SOH. Txoj kev loj hlob ntawm cov thev naus laus zis no yuav ntxiv dag zog rau kev tshawb fawb, txhim khu kev qha, ruaj khov, thiab muaj zog tswj cov roj teeb tsheb hluav taws xob.
1. Luv luv
1.1 Qhov tseem ceeb ntawm lithium-ion roj teeb rau lub tsheb hluav taws xob thiab qhov tseem ceeb ntawm SOH kwv yees
Cov roj teeb lithium ion yog qhov tseem ceeb rau kev ua haujlwm ntawm lub tsheb hluav taws xob, thiab lawv cov kev ua tau zoo cuam tshuam los ntawm ntau yam txheej txheem degradation. Kev kwv yees qhov tseeb ntawm lub xeev kev noj qab haus huv (SOH) ntawm cov roj teeb yog qhov tseem ceeb rau kev ua kom muaj kev nyab xeeb, txhim khu kev qha, thiab kev lag luam ntawm cov tsheb fais fab. Raws li qhov kev thov rau lub tsheb hluav taws xob loj hlob tuaj, SOH kev saib xyuas tau dhau los ua qhov tseem ceeb, raws li cov roj teeb lithium-ion feem ntau poob mus rau 80% ntawm lawv cov peev txheej qub ua ntej kawg ntawm lawv lub neej. Tsis tas li ntawd, Lub Xeev Tus Nqi (SOC) kuj yog qhov tseem ceeb, thiab nws cov kev hloov pauv tuaj yeem cuam tshuam txog kev laus thiab kev puas tsuaj ntawm cov roj teeb muaj peev xwm. Qhov tseeb SOC kev twv ua ntej yog pab tau rau SOH kwv yees, uas nyob rau hauv lem txiav txim siab lub neej ntawm lub roj teeb.
1.2 Kev txhim kho ntawm SOH kev kwv yees
Txheej txheem cej luam thiab kev nce qib ntawm cov txheej txheem uas twb muaj lawm:Ntau txoj hauv kev kwv yees SOH tau tsim, ntawm cov txheej txheem SOC raws li kev sib koom ua ke ntawm cov ntaub ntawv hauv lub sijhawm xws li tam sim no, qhov hluav taws xob, thiab qhov kub thiab txias kom ua tiav qhov tseeb SOH kev kwv yees hauv ntau qhov kev them nqi thiab tawm mus, txhim kho roj teeb kev ua haujlwm, tiv thaiv kev ua txhaum, thiab txuas ntxiv roj teeb lub neej. . Cov kev nce qib tshiab kawg hauv kev kawm tshuab tau txhim kho SOH kev kwv yees ntxiv, thiab cov neural networks xws li feedforward thiab convolutional neural networks ua tau zoo hauv cov qauv roj teeb, ua kom zoo dua cov txheej txheem regression ib txwm nyob rau hauv qhov nyuaj thiab qhov tseeb, nrog qhov nruab nrab yuam kev sib txawv ntawm txog 0 .16% thiab cov hauv paus ntsiab lus square yuam kev ntawm 5.57mV ntawm cov roj teeb ntawm tes.
1.3 Kev faib tawm thiab cov yam ntxwv ntawm cov qauv siv roj teeb
Kev tshuaj xyuas cov txheej txheem xws li kev sib koom ua ke tam sim no thiab qhib qhov hluav taws xob hluav taws xob (OCV) cov tswv yim tuaj yeem muab qhov tseeb SOH kwv yees, tab sis cuam tshuam los ntawm cov suab nrov nrov thiab yuav tsum tau ua kom ntev ntev los xyuas kom meej.
Model raws li txoj kev
Dawb lub thawv qauv:Raws li cov ncauj lus kom ntxaws electrochemical, nws simulates roj teeb coj tus cwj pwm los ntawm cov kev tsis yooj yim nrog cov neeg siab. Txawm li cas los xij, nws cov kev xav tau hauv kev suav siab thiab cov kev xav yooj yim rau lub ntiaj teb kev hloov pauv tiag tiag txo nws qhov raug raws li cov xwm txheej tsis zoo, ua rau nws tsis tsim nyog rau kev siv lub sijhawm tiag tiag.
Grey lub thawv qauv (xws li ECM):Kev sib koom ua ke ntawm lub cev kev pom thiab kev hloov pauv, siv kev sib piv ntawm kev sib piv rau kwv yees li roj teeb tus cwj pwm, tuaj yeem kwv yees SOC nrog qhov tseeb siab (feem ntau nyob rau hauv 3% yuam kev), thiab muaj txiaj ntsig zoo rau kev kwv yees SOH real-time thiab qhov tseem ceeb ntawm lub neej (RUL) kev kwv yees, tab sis ntsib teeb meem. nyob rau hauv cov ntaub ntawv zoo thiab xam cov kev cai. Ib qho qauv sib npaug sib npaug rau cov roj teeb lithium-ion (suav nrog cov resistors thiab txog li ob lub RC ntsiab lus) tuaj yeem siv rau kev simulation txhim khu kev qha, thaum ntau ECMs nyuaj (xws li ntau RC ceg lossis cov theem tas mus li CPE) tuaj yeem simulate cov txheej txheem dynamic (xws li. raws li lub tsheb hluav taws xob ua haujlwm), tab sis qhov kev xav tau nce ntxiv tau ua rau muaj kev txhim kho ntau dua SOH kev kwv yees.
Lub thawv dub qauv (cov ntaub ntawv-tsav mus kom ze):Raws li cov ntaub ntawv tawm tswv yim thiab tso tawm, tus qauv tsim tsis muaj kev cia siab rau kev paub txog kev ua haujlwm sab hauv. Cov txheej txheem kev kawm tshuab tuaj yeem kwv yees cov xwm txheej roj teeb los ntawm ntau cov ntaub ntawv ntsuas. Kev kawm tshuab ua tau zoo ntawm kev txheeb xyuas cov qauv hauv cov ntaub ntawv nyuaj, xws li ntau cov channel neural networks uas muaj qhov raug siab hauv kev kwv yees muaj peev xwm, tab sis cia siab rau cov ntaub ntawv kawm zoo thiab muaj ntau haiv neeg. Txawm li cas los xij, hauv kev siv lub tsheb siv tau, ntau qhov sib txawv sab hauv tsis tuaj yeem ntsuas ncaj qha, thiab cov ntaub ntawv sib txawv thiab tsis muaj kev txhais tau ua rau tus qauv nyuaj rau kev nkag siab thiab tswj xyuas.
1.4 Evolution of Model Methods and Development of Hybrid Models
Lub evolution ntawm cov qauv raws li txoj kev:Nyob rau hauv lub xyoo caum dhau los, cov qauv-raws li txoj kev tau tsim tsis tu ncua, suav nrog Kalman filtering (KF) thiab nws cov extensions (xws li Extended Kalman Filter EKF, Unscented Kalman Filter UKF). Cov txheej txheem no muaj qhov tseeb siab hauv kev kwv yees lub xeev roj teeb, tab sis yuav tsum muaj cov qauv dynamic thiab nyuaj rau kev siv.
Qhov nce ntawm hybrid qauv:Txhawm rau hais txog cov kev txwv ntawm cov ntaub ntawv hauv ntiaj teb tiag tiag thiab txhim kho kev ua haujlwm ntawm kev ua haujlwm, hybrid qauv tau tshwm sim, sib txuas cov qauv-raws li thiab cov ntaub ntawv-tsav txoj hauv kev los cob qhia cov qauv kev kawm los ntawm kev simulations kom ntxaws. Nyob rau tib lub sijhawm, cov txheej txheem kev kawm tshuab tau ua kom muaj kev vam meej hauv tsib xyoos dhau los, suav nrog cov txheej txheem probabilistic, kev kawm meta, kev kawm tsis sib haum xeeb, kev kawm ib nrab saib xyuas, thiab lwm yam. Kev kawm tob (ib txheej ntawm kev kawm tshuab) tau ua tau zoo hauv kev tsim qauv thiab cov ntaub ntawv tsis tsim nyog. Cov Ntaub Ntawv Lub Cev Neural Networks (PINNs) muab cov qauv kev puas tsuaj rau lub cev nrog cov neural networks txhawm rau txhim kho SOH kwv yees, txhim kho cov kev hloov pauv ntawm cov txheej txheem hauv cov roj teeb sib txawv thiab cov xwm txheej. Nrog rau txoj kev loj hlob ntawm kev lag luam automotive, cov kev siv thev naus laus zis no yog qhov tseem ceeb rau kev txhim kho roj teeb kev ua tau zoo, tiv thaiv kev ua tsis tiav, thiab txhawb kev tsim hluav taws xob tsheb.
1.5 Txheej txheem cej luam ntawm cov tshooj tom ntej hauv kab lus no
Nqe 2 muab cov ncauj lus qhia ntxaws ntxaws txog cov txheej txheem rau kev tshuaj xyuas thiab xaiv cov ntaub ntawv tshuaj xyuas, ua kom ntseeg tau cov txheej txheem kev tshawb fawb thiab kev ua tiav. Tshooj 3 muab kev txheeb xyuas qhov tob ntawm lub xeev cov txheej txheem kev kwv yees, tshawb xyuas qhov cuam tshuam ntawm cov roj teeb degradation mechanisms ntawm kev ua qauv rau cov roj teeb tsheb fais fab, suav nrog Kalman filtering thiab nws txoj kev txhim kho, nrog rau kev koom ua ke nrog cov qauv kev laus. Tshooj 4 tsom rau SOH cov txheej txheem kwv yees, sib piv cov txheej txheem ib txwm muaj nrog cov txheej txheem tshiab, thiab hais txog cov txheej txheem siv tau rau cov tsheb hluav taws xob. Tshooj 5 qhia txog lub luag haujlwm ntawm kev kawm tob hauv SOH kwv yees, xws li lub sijhawm luv luv nco (LSTM) tes hauj lwm thiab cov qauv sib xyaw, nrog rau kev sib txuas lus neural network (CNN) li cas los txiav txim siab txog cov tswv yim los txhim kho kev ntsuas kev noj qab haus huv raug. Thaum kawg, Tshooj 6 xaus lus thiab tos ntsoov rau yav tom ntej kev tshawb fawb cov lus qhia rau roj teeb tswj kev noj qab haus huv cov txheej txheem los txhawb kev txhim kho kev lag luam hluav taws xob tsheb thiab lwm yam kev siv hluav taws xob cia.
2. Cov ntaub ntawv thiab cov txheej txheem
2.1 Txhais Lus Nug Txog Kev Tshawb Fawb
Txoj kev tshawb no nthuav tawm tsib lo lus nug tseem ceeb los qhia txog kev siv tshuab kev kawm tshuab hauv SOH kwv yees lithium-ion roj teeb hauv tsheb hluav taws xob.
Qhia meej txog cov txuj ci tseem ceeb ntawm kev kawm tshuab tam sim no siv rau kev kwv yees lub xeev kev noj qab haus huv (SOH) ntawm lithium-ion roj teeb hauv lub tsheb hluav taws xob, thiab tshawb nrhiav cov algorithms tshwj xeeb thiab cov qauv tsim thiab siv los ntawm cov kws tshawb fawb.
Tshawb xyuas qhov cuam tshuam ntawm cov ntaub ntawv sib txawv (laboratory, tsheb, thiab cov ntaub ntawv teb) ntawm qhov raug thiab muaj zog ntawm SOH kwv yees tshuab kev kawm qauv, tshuaj xyuas seb cov ntaub ntawv muaj feem cuam tshuam rau tus qauv kev ua haujlwm, thiab txiav txim siab seb cov ntaub ntawv twg muaj txiaj ntsig zoo tshaj plaws rau kev kwv yees SOH raug.
Txheeb xyuas cov teeb meem tseem ceeb ntawm kev siv tshuab kev kawm txuj ci hauv SOH kwv yees ntawm lithium-ion roj teeb, nrog rau cov kev hloov pauv ntawm cov teeb meem no hauv cov xwm txheej sib txawv thiab kev siv cov xwm txheej, xws li kub hloov pauv, kev laus, thiab kev cuam tshuam ntawm kev siv hom sib txawv ntawm cov Qhov tseeb ntawm SOH kwv yees.
Sib piv cov kev txheeb xyuas ntawm SOH kev kwv yees, qhov sib txawv ntawm cov txheej txheem ib txwm muaj, thiab lawv cov txheej txheem evolution, kawm yuav ua li cas cov kev kawm tshuab tuaj yeem ua ke nrog cov qauv no, txheeb xyuas lawv qhov zoo, qhov tsis zoo, thiab muaj peev xwm sib koom ua ke.
Saib ua ntej mus rau yav tom ntej cov lus qhia kev tshawb fawb los txhim kho qhov raug, hloov tau, thiab kev ua haujlwm ntawm kev kawm tshuab raws li SOH kwv yees qauv hauv lithium-ion roj teeb rau lub tsheb fais fab, txheeb xyuas qhov kev tshawb nrhiav qhov tsis sib xws, kev xav tau, thiab cov txheej txheem tshiab.
2.2 Kev tshawb nrhiav thiab tshuaj xyuas cov ntaub ntawv
Kev xaiv database thiab nrhiav tswv yim:Conduct a comprehensive literature search using Scopus database, determine keywords based on research questions, and use Boolean search strings (TITLE-ABS-KEY (electric AND vehicle) AND KEY (battery AND state AND of AND health) AND TITLE-ABS-KEY (lithium AND ion) AND PUBYEAR>2003 THIAB PUBYEAR<2025) to retrieve papers and patents published between 2003 and 2024. A total of 882 documents and 16286 patents were obtained, nearly half of which were published between 2020 and 2024, reflecting the industrial demand and progress in this field. The search results are distributed by year, major journals, national and patent offices, showing the time trend of research, journal distribution, regional diversity, and industry development priorities (such as battery management systems, modular architecture, vehicle control systems, and low resistance materials).
Kev tshuaj xyuas cov ntaub ntawv thiab tsom mus rau:Cov ntaub ntawv rov qab tau suav nrog ntau yam kev qhuab qhia, nrog rau kev ua haujlwm engineering muaj feem ntau tshaj plaws (730 kab lus), ua raws li lub zog, computer science, thiab lej. Tom qab tsom mus rau kev tshawb fawb hauv computer, 209 cov ntaub ntawv tseem ceeb tau txheeb xyuas, ntawm 183 tau tshaj tawm thaum xyoo 2019 thiab 2024, qhia txog lub sijhawm ntawm cov ntaub ntawv. Cov ntaub ntawv no suav nrog cov ntaub ntawv sib tham, kab lus, tshuaj xyuas, thiab phau ntawv tshooj, nrog 72 cov ntawv luam tawm ntawm 2009 thiab 2024 ua lub hauv paus kev tshuaj xyuas, thaum muab cov ntaub ntawv cuam tshuam thiab phau ntawv tshooj los ntawm lwm yam kev lag luam los xyuas kom meej cov kev pab cuam ntawm thaj chaw tshawb fawb thiab ntes cov tshiab. Kev siv thev naus laus zis hauv kev siv cov kev txawj ntse txawj ntse los txhim kho cov kev tswj hwm roj teeb.
3. Kev kwv yees thev naus laus zis hauv Xeev (SOC).
3.1 Roj teeb degradation mechanism thiab nws cuam tshuam rau kev ua haujlwm
Lithium ion roj teeb feem ntau degrade los ntawm ob lub tshuab:Lithium Inventory poob (LLI) thiab cov khoom siv poob (LAM). LLI muaj feem xyuam rau kev tsim cov khoom siv electrolyte interface (SEI) txheej ntawm cov anode, uas yog los ntawm cov tshuaj tiv thaiv sab ntawm lithium ions thiab electrolyte. LAM yog tshwm sim los ntawm cov neeg kho tshuab kev ntxhov siab nyob rau hauv lub roj teeb, xws li rov nthuav dav thiab sib cog lus ntawm cov khoom siv hluav taws xob thaum lub sij hawm them thiab tawm, uas ua rau microcracks thiab detachment ntawm electrode hais, txo cov active nto thaj chaw muaj rau electrochemical tshua, yog li txo cov roj teeb muaj peev xwm, nce kev tiv thaiv sab hauv, thiab thaum kawg cuam tshuam rau kev ua haujlwm roj teeb. Cov txheej txheem degradation no tau nrawm los ntawm yam xws li lub xeev them nyiaj siab, qhov kub thiab txias, thiab cov xwm txheej hnyav caij tsheb kauj vab. Cov ncauj lus kom ntxaws thiab qauv qauv ntawm ntau yam txheej txheem kev laus (thermal, electrochemical, thiab lwm yam) tuaj yeem pom hauv cov ntaub ntawv muaj feem xyuam.
3.2. SOC kwv yees thiab qauv tshuab rau hluav taws xob tsheb roj teeb
Hauv kev siv lub tsheb hluav taws xob txhua hnub, lub roj teeb feem ntau them ntawm 20% -40% SOC los tswj roj teeb kev noj qab haus huv, tab sis cov yam ntxwv uas tsis yog-linear thiab degradation ntawm lub roj teeb muaj peev xwm yuav ua rau kev nyeem ntawv SOC tsis raug, cuam tshuam rau kev kwv yees ntawm roj teeb. muaj peev xwm. Kev ua haujlwm thiab kev saib xyuas ntawm lithium-ion roj teeb kuj tseem cuam tshuam los ntawm huab cua, nrog rau qhov kub thiab txias ntawm electrolyte tshiab (txiav txim siab los ntawm kev tsim khoom thiab sau hnub) cuam tshuam rau roj teeb efficiency thiab lifespan. Cov yam ntxwv ntawm cov roj teeb electrolyte tshiab tuaj yeem sib txawv nyob rau hauv cov huab cua sib txawv, thiab cov tswv yim tswj xyuas thermal tuaj yeem pab daws qhov teeb meem kub txog kev ua haujlwm thiab txhim kho cov roj teeb.
Cov qauv sib npaug sib npaug (ECM) feem ntau yog siv los kwv yees SOC, tab sis yuav tsum tau ntsuas ntau zaus. Cov kab lus muab cov ncauj lus qhia ntxaws ntxaws rau SOC suav cov lej sib npaug raws li ECM (suav nrog cov ntawv txuas ntxiv thiab tsis sib xws), suav nrog lub xeev qhov chaw sib npaug, qhib hluav taws xob hluav taws xob thiab SOC kev sib raug zoo sib npaug, sib cais-lub sij hawm sau SOC hloov tshiab sib npaug, thiab qhov hloov pauv hloov hluav taws xob. Cov tsis muaj feem cuam tshuam (xws li kev ua haujlwm, lub peev xwm, qhib hluav taws xob hluav taws xob, thiab lwm yam) muaj feem cuam tshuam nrog SOC. Kev kuaj ntsuas tus qauv (xws li kev ntsuas lub zog sib xyaw ntawm cov ntsuas kub sib txawv) feem ntau yog siv rau cov qauv ntsuas roj teeb, tab sis cov qauv tsis raug thiab ntsuas suab nrov tuaj yeem ua rau muaj qhov yuam kev me me hauv SOC kwv yees. Txhawm rau txhim kho qhov tseeb ntawm SOC kev kwv yees, ntau yam txuj ci xws li Kalman filtering thiab nws qhov txuas ntxiv, PI raws li tus neeg soj ntsuam, zawv zawg hom neeg soj ntsuam, thiab lwm yam. thiab ntsuas suab nrov. Tsis tas li ntawd, txawm hais tias electrochemical impedance spectroscopy (EIS) tuaj yeem ntsuas cov yam ntxwv ntawm cov roj teeb (xws li SOC thiab SOH), nws siv sijhawm ntev thiab siv tsis tau rau cov kev siv loj (xws li cov tsheb fais fab), ua rau nws nyuaj rau kev ntes cov dynamic thiab hloov. kev khiav hauj lwm tej yam kev mob ntawm hluav taws xob tsheb roj teeb. Yog li ntawd, yuav tsum muaj kev yoog raws thiab siv tau zoo dua.
3.3. Txhim kho Technology
Kalman lim thiab nws txoj kev txhim kho:Kalman lim (KF) thiab nws qhov txuas ntxiv (xws li Extended Kalman Filter EKF, Unscented Kalman Filter UKF, Volume Kalman Filter CKF) tau siv dav rau kev kwv yees SOC. KF muab qhov zoo tshaj plaws SOC kwv yees los ntawm kev txo qhov nruab nrab qhov yuam kev square, daws cov teeb meem ntawm kev ua yuam kev thiab pib SOC tsis meej. Txawm li cas los xij, nws yog qhov tsim nyog rau lub sijhawm sib txawv ntawm cov kab hluav taws xob uas tsis muaj qhov sib txawv ntawm cov roj teeb uas yuav tsum tau muaj kev sib tw linearization. Txawm hais tias EKF txuas ntxiv KF lub moj khaum los tswj cov qauv uas tsis yog-linear, linearization yuav cuam tshuam qhov tseeb thiab ua rau kev kwv yees sib txawv. Cov txheej txheem tshiab xws li UKF thiab CKF siv sigma taw tes kwv yees los kwv yees cov kev hloov pauv tsis tau hloov pauv, thaum CKF siv txoj cai ntawm lub voj voog radial ntim los xam cov kev sib txawv ntawm lub sijhawm sib txawv los txhim kho qhov tseeb ntawm nonlinear Bayesian filtering. Txawm li cas los xij, cov ntxaij lim dej no feem ntau xav tias lub suab nrov yog paub thiab tsis tu ncua, thiab hauv kev siv tswv yim, lub suab nrov yog hloov pauv (xws li tsis yog Gaussian suab nrov tsim los ntawm kev cuam tshuam sab nraud). Yog li ntawd, cov tswv yim kho kom haum zoo tau tsim kho, xws li siv Gaussian sib xyaw qauv (GMM) los ua qauv tsis yog Gaussian suab nrov los txhim kho lub xeev kwv yees qhov tseeb. Cov kev tshawb fawb ntsig txog tau pom cov ntawv thov thiab qhov zoo ntawm cov txheej txheem no hauv ntau qhov chaw. Tsis tas li ntawd, faib thiab faib cov lim dej (xws li faib Kalman lim DKF, faib Kalman lim thiab covariance hla DKF-CI) yog siv los ua kom zoo dua lub xeev kwv yees ntawm cov txheej txheem sib cuam tshuam loj. Cov lim dej muaj zog thiab tsis muaj kab (xws li cov lim dej Kalman muaj zog) muaj kev ua tau zoo tshaj plaws hauv kev cuam tshuam nrog cov txheej txheem tsis zoo hauv cov roj teeb (xws li cov txheej txheem electrochemical). Adaptive cov tswv yim (xws li adaptive EKF thiab adaptive UKF algorithms) dynamically kho cov lim tsis haum rau kev hloov suab nrov thiab txhim kho SOC kwv yees qhov tseeb. Cov kev tshawb fawb ntsig txog thiab cov piv txwv tau txheeb xyuas qhov ua tau zoo ntawm cov txheej txheem no.
Lwm txoj hauv kev txhim kho:xws li Adaptive Integral Correction State of Charge Estimation (AIC-SE) txoj kev npaj rau hauv 2022, uas yog raws li ECM qauv thiab txhim kho qhov tseeb ntawm SOC kwv yees los ntawm kev kho lub sijhawm tiag tiag (suav nrog kev tiv thaiv thiab roj teeb muaj peev xwm kho) (qhov yuam kev ntau tshaj ± 0.8%, RMS yuam kev tsawg dua 0.3%). Kev ua tau zoo ntawm kev suav yog siab dua UKF (AIC-SE txog 5n kev ua haujlwm, UKF txog n^2 kev ua haujlwm), muaj txiaj ntsig zoo los daws cov teeb meem ntawm roj teeb kev laus thiab degradation. Variational Bayesian Maximum Correlation Entropy Volume Kalman Filter (VBMCCKF) hauv 2023 muab cov kev lim dej siab tshaj plaws thiab cov txheej txheem txheeb cais los txhim kho kev ntsuas qhov yuam kev sib piv nrog kev siv Variational Bayesian txoj kev. Qhov Kev Sib Raug Zoo Tshaj Plaws Tshaj Plaws Tshaj Plaws Tshaj Lij Tshaj Lij Tshaj Lij Tshaj Lij Tshaj Lij Tshaj Lij Tshaj Lij yog siv los daws cov kev ntsuas tsis yog Gaussian suab nrov, txhim kho SOC kev kwv yees qhov tseeb (piv nrog EKF, CKF, thiab Variational Bayesian Volume Kalman Filter, qhov nruab nrab qhov yuam kev tsis raug txo los ntawm 77%, 68%, thiab , ntsig txog), thiab txhim kho lub robustness ntawm lub roj teeb tswj system.
3.4 Kev koom ua ke nrog cov qauv kev laus
Cov qauv kev laus roj teeb muaj feem cuam tshuam nrog kev kwv yees SOC, thiab kev tshawb fawb tsis ntev los no tau tsim kho tshiab hauv ob qho tib si. Cov qauv kev laus roj teeb tau npaj rau xyoo 2024 suav nrog cov txiaj ntsig ntawm SOC, roj teeb kub, lub sijhawm, thiab lub sijhawm sib npaug sib npaug (NFECs) ntawm roj teeb kev laus. Tus qauv muaj ob ntu: thawj ntu tsom rau SOC thiab qhov kub thiab txias ntsig txog kev laus (xws li lub peev xwm poob los ntawm cov qauv tshwj xeeb), thiab qhov thib ob txiav txim siab qhov cuam tshuam ntawm NFECs ntawm kev laus. Cov qauv no muaj kev sib xyaw ua ke roj teeb kev laus raws li lub tsheb hluav taws xob subsystem nrog cov qauv roj teeb, npog txhua hom kev ua haujlwm xws li chaw nres tsheb, tsav tsheb, thiab them nyiaj. Nws ua tiav kev sib raug zoo simulation ntawm cov subsystems sib txawv los ntawm cov txheej txheem ntawm lub zog macroscopic sawv cev (EMR) (cov cuab yeej siv duab tsim xyoo 2000 rau kev teeb tsa kev sib txuas hauv subsystem, sawv cev rau lub zog ntws, thiab kev sib raug zoo). Kev tshawb fawb tau pom tias txo cov nqi them ntau zaus (xws li hloov ntawm kev them nyiaj txhua hnub mus rau txhua plaub hnub) tuaj yeem ua kom lub sijhawm ntev rau lub roj teeb kom ncav cuag 80% SOH. Qhov kev sib xyaw ua ke no muab cov kev vam meej tseem ceeb hauv kev txhim kho kev tswj hwm roj teeb thiab nkag siab txog qhov cuam tshuam ntawm kev them nqi ntawm kev laus roj teeb.
Cov txheej txheem tshiab xws li AIC-SE thiab VBMCCKF muaj qhov txiaj ntsig tseem ceeb hauv SOC kwv yees qhov tseeb thiab kev ua haujlwm ntawm kev suav. AIC-SE ua tau zoo hauv kev ua tau zoo hauv kev suav, thaum VBMCCKF ua tau zoo dua hauv kev tuav kev kwv yees ntawm kev ntsuas qhov yuam kev thiab qhov chaw nrov nrov. Yog tias qhov tseeb thiab kev ua suab nrov tau muab qhov tseem ceeb, kev sib txuas sib txawv ntawm Bayesian thiab qhov siab tshaj plaws kev sib raug zoo entropy cov txheej txheem yuav yog qhov kev xaiv zoo tshaj plaws tam sim no; Yog tias peb tsom mus rau kev ua tau zoo ntawm kev suav thiab kev siv lub sijhawm tiag tiag, AIC-SE yog qhov kev xaiv zoo, qhia tias ECM qauv qauv tseem muaj qhov zoo hauv cheeb tsam no. Tsis tas li ntawd, cov qauv kev laus ntawm cov roj teeb tau kawm hauv 2024 suav nrog qhov cuam tshuam ntawm ntau yam ntawm cov roj teeb degradation, uas yog qhov tseem ceeb rau kev txhim kho roj teeb lub neej (raws li kev xyaum them nqi). Zuag qhia tag nrho, cov kev txhim kho no tsis tsuas yog txhim kho qhov tseeb ntawm SOC kev kwv yees, tab sis kuj tseem txhawb nqa lub neej ntev roj teeb thiab txhim kho kev ua haujlwm ntawm roj teeb.
4. Lub Xeev Kev Noj Qab Haus Huv (SOH) cov txheej txheem ntsuas
4.1 Cov txheej txheem kev kwv yees SOH
Txoj kev kwv yees SOH ib txwm siv dav hauv kev kawm thiab kev lag luam, feem ntau yog ua raws li cov txheej txheem yooj yim xws li kev muaj peev xwm degradation, kev tiv thaiv sab hauv, thiab lub voj voog lub neej los ntsuas roj teeb SOH (saib Table 4 rau cov qauv tsim thiab cov ntsiab lus tsis sib xws). Cov txheej txheem no muab lub hauv paus rau kev ntsuam xyuas kev noj qab haus huv ntawm roj teeb thiab pab nkag siab txog kev ua haujlwm ntawm roj teeb. Los ntawm kev nkag siab txog cov txheej txheem ib txwm muaj, peb tuaj yeem nkag siab zoo txog kev txhim kho ntawm txoj kev kwv yees tshiab hauv tshooj tom ntej. Cov txheej txheem tshiab feem ntau siv cov ntaub ntawv nyuaj dua thiab cov qauv kev kwv yees ua qauv los daws cov kev txwv ntawm cov txheej txheem ib txwm muaj. Kev sib piv ob tuaj yeem qhia meej txog kev txhim kho thiab kev hloov pauv ntawm SOH kev kwv yees thev naus laus zis thiab ua kom pom tias cov txheej txheem niaj hnub tuaj yeem txhim kho qhov raug thiab hloov pauv ntawm cov roj teeb tswj cov tshuab.
4.2 Kev Txhim Kho Tshiab Hauv Kev Hloov Cov Txheej Txheem
Cov ntsuas kev noj qab haus huv tshiab ua ke nrog kev kawm tshuab:Txhawm rau txhim kho qhov tseeb ntawm SOH kev kwv yees, kev tshawb fawb tau qhia txog kev noj qab haus huv tshiab xws li Degradation Ratio (DSR). Cov mis rau xam DSR los ntawm txoj kab nqes ntawm lub charger voltage nkhaus yog:
Los ntawm kev sib piv cov nqes hav ntawm ntau lub voj voog, qhov degradation tus nqi (hauv mV / s) ntawm lub roj teeb nyob rau hauv ib qho hluav taws xob tshwj xeeb (xws li [3.8-3.9V]) yog txiav txim siab, uas yog ze ze rau qhov roj teeb muaj peev xwm thiab tuaj yeem siv los ua qhov taw qhia tseem ceeb los txiav txim siab qhov kawg ntawm lub roj teeb lub neej. Ua ke Gaussian Process Regression (GPR) thiab Multi Layer Perceptron Neural Network (MLPNN) qauv tuaj yeem kwv yees qhov peev xwm poob thiab kev puas tsuaj ntau dua. Piv nrog rau cov qauv tsoos, rhiab heev thiab qhov tseeb yog qhov ua tau zoo dua qub, daws tau qhov teeb meem ntawm cov qauv tsoos nyuaj los xyuas qhov kev puas tsuaj thaum ntxov.
Kev txhim kho ntawm qhov sib npaug Circuit Court qauv:Cov txheej txheem thaum ntxov rau kev txhim kho cov qauv sib npaug sib npaug (ECM) txuas ntxiv txhim kho, xws li kwv yees SOH los ntawm kev txheeb xyuas lub cev muaj peev xwm ntawm qhov sib npaug RC circuit qauv hauv 2015, siv cov algorithms tshiab los xam lub cev capacitance attenuation factor, thiab sib txuas nrog cov neeg soj ntsuam tsis sib xws los txhim kho qhov tseeb thiab kev ntseeg tau; Nyob rau hauv 2024, ib qho kev txiav txim thib ob hybrid sib npaug Circuit Court qauv ua ke nrog kev hloov kho tus nqi thiab cov neeg soj ntsuam tsis pom zoo tau txais los txiav txim siab qhov ntsuas kub, ua tiav qhov tseeb hauv SOH kwv yees (qhov nruab nrab qhov yuam kev tsawg dua 0.5%, RMS yuam kev tsawg dua 0.2%); Cov kev daws teeb meem huab rau 2023 siv cov ntaub ntawv soj ntsuam mus sij hawm ntev thiab cov ntaub ntawv ntawm lub sijhawm los kwv yees cov qauv roj teeb los ntawm kev kho lub qhov rais txav qhov tsawg tshaj plaws squares algorithm. Raws li tus qauv ECM, qhov kev ntsuam xyuas siab SOH tau ua tiav, qhia tau tias txoj kev txhim kho ECM tseem muaj qhov tseem ceeb hauv kev kwv yees SOH, ua raws li cov qauv ntawm kev txhim kho txuas ntxiv ntawm ECM txoj hauv kev SOC kwv yees technology.
Hybrid Framework Method:Lub moj khaum tshiab ua ke nrog Linear Statistical k-Nearest Neighbor (LSKNN), Cov Ntaub Ntawv Tshaj Lij Tshaj Plaws Tshaj Plaws (MIES), thiab Kev Sib Sau Ua Ke Variational Gaussian Process Regression (CSVGPR) rau kev ua cov ntaub ntawv sib cuam tshuam, suab nrov lim, xaiv qhov tshwj xeeb, thiab kev tswj xyuas tsis meej. LSKNN kwv yees cov ntsiab lus uas ploj lawm thiab lim suab nrov, MIES xaiv cov yam ntxwv nrog kev sib raug zoo rau SOH, thiab CSVGPR cov txheej txheem cov ntaub ntawv tsis paub tseeb los txhim kho qhov tseeb ntawm kev twv ua ntej. Lub moj khaum no tau sim siv NASA lub roj teeb dataset, thiab muab piv nrog txoj hauv kev xws li ElasticNet, Kev Txhawb Vector Regression (SVR), Random Forest, thiab Gradient Boosting, lub hauv paus ntsiab lus Square yuam kev (RMSE) raug txo los ntawm 77.8% (los ntawm {{3 }}.0510 hauv ElasticNet rau 0.0113). Piv nrog Gaussian cov qauv txheej txheem nrog cov kernels sib txawv, RMSE raug txo los ntawm 55.5% (los ntawm 0.0254 mus rau 0.0113), lees paub qhov muaj zog thiab qhov tseeb ntawm lub moj khaum thiab muab txoj hauv kev zoo dua rau SOH kwv yees.
Txoj kev loj hlob ntawm SOH kwv yees thev naus laus zis tau hloov pauv los ntawm cov txheej txheem ib txwm ua rau ntau cov qauv tsim nyog rau cov tsheb fais fab. Cov txheej txheem tshiab suav nrog kev sib txuas cov qauv degradation nrog classical machine learning, ECM raws li txoj kev, thiab hybrid txoj kev. DSR yog ib qho tseem ceeb ntawm kev tsim kho tshiab uas txo qis kev cia siab rau lub voj voog ua tiav (txo lub sij hawm tos los ntawm kwv yees li 84%) thiab, thaum ua ke nrog kev kawm tshuab, txhim kho qhov tseeb ntawm kev kwv yees tsis muaj peev xwm, kov yeej qhov nyuaj ntawm kev tshawb pom ntxov ntxov hauv cov qauv qub. Txoj kev txhim kho ECM tau ua tiav cov txiaj ntsig zoo hauv kev kwv yees SOH, uas zoo ib yam nrog qhov tseem ceeb ntawm ECM txoj hauv kev kwv yees SOC. Hybrid technologies (xws li lub moj khaum tshiab hais los saum toj no) muaj qhov raug siab. Txawm hais tias cov ntawv thov siv sijhawm tiag tiag ua rau muaj teeb meem, kev daws teeb meem cov ntaub ntawv tseem ceeb ua haujlwm tau zoo yog qhov kev txhim kho tseem ceeb ntawm SOH kev kwv yees txoj hauv kev. Zuag qhia tag nrho, cov kev txhim kho no tsom mus rau kev siv lub sijhawm tiag tiag thiab cov ntaub ntawv-tsav txoj hauv kev, txhim kho kev ntseeg siab ntawm lub tsheb fais fab roj teeb tswj cov tshuab. Cov kev kawm tob xws li LSTM, CNNs, thiab cov txheej txheem sib xyaw ua ke tau dhau los ua cov txheej txheem tseem ceeb rau kev kwv yees SOH. Cov tshooj tom ntej yuav nthuav qhia cov txiaj ntsig kev tshawb fawb thiab kev koom tes.
5. Daim Ntawv Thov Kev Kawm Sib Sib Tham hauv SOH kwv yees
5.1 LSTM thiab Hybrid Models
Ntau qhov kev tshawb fawb tau siv cov qauv kev laus txhim kho ua ke nrog kev kawm tob los txhim kho qhov tseeb ntawm SOH kwv yees. Kev kawm tob yog qhov tseem ceeb hauv kev kwv yees Lub Neej Tseem Ceeb (RUL). Piv txwv li, los ntawm kev sib koom ua ke ntawm SOH degradation qauv thiab xav txog ntau yam kev khiav hauj lwm xws li kev them nqi / tso tawm tam sim no thiab kub, ib qho qauv siv tau rau:
Ntawm lawv, I2 {c} thiab I2 {d} yog normalized them thiab tawm tam sim no, T3 {c} thiab T4 {d} yog cov roj teeb li qub thiab ambient kub, T3 {c} thiab T4 {d} yog lub sijhawm them thiab tawm, thiab (d1-d4) yog qhov hnyav), uas ntau dua simulates roj teeb degradation. Tus qauv kev twv ua ntej RUL raws li LSTM network txhim kho qhov kev twv ua ntej raug, tab sis kev suav ua kom nyuaj ntxiv, thiab cov ntawv thov siv sijhawm tiag tiag ntsib cov teeb meem. Neural tes hauj lwm tuaj yeem tswj xyuas cov txheej txheem roj teeb sib txawv ntawm lub sijhawm, tsis tu ncua kawm kom hloov mus rau cov kev hloov pauv hauv roj teeb, thiab tswj cov qauv kev ntseeg siab.
Los ntawm kev rho tawm cov yam ntxwv tseem ceeb (xws li 6 lub ntsiab lus tseem ceeb) txhawm rau txhim kho SOH kev kwv yees, ua ke nrog kev kawm tshuab algorithms kom ua tiav qhov raug siab thiab tsis tshua muaj nqi, cov yam ntxwv voltage ua lub luag haujlwm tseem ceeb hauv kev txhim kho qhov tseeb ntawm lub xeev kev ntsuas roj teeb. Kev sib xyaw ua ke ntau cov qauv kev kawm sib sib zog nqus (xws li CNN, LSTM, GRU, thiab lawv cov kev sib txawv ntawm kev sib txawv) rau hauv kev sib xyaw ua ke (xws li CNN-LSTM-DNN, CNN-GRU-DNN) los kwv yees RUL, siv ntau yam ntawm cov yam ntxwv los txhim kho Qhov tseeb, txo RMSE los ntawm 90.5% hauv NASA dataset test, tab sis kev suav lub zog thiab qhov nyuaj txwv tsis pub siv lub sijhawm. Ntau txoj hauv kev (xws li LSTM qauv tsev qiv ntawv) thiab cov tswv yim ua kom zoo tshaj plaws (xws li kev sib koom ua ke LSTM rau hauv AI-BMS lub moj khaum thiab siv nws ntawm FPGA) tuaj yeem txhim kho kev kwv yees qhov tseeb thiab kev ua haujlwm tau zoo, tab sis daim ntawv thov FPGA hauv kev lag luam hluav taws xob tsheb ntsib tus nqi. thiab kev sib tw practicality.
Kev sib xyaw ua ke ntawm GRU thiab cov kev ntsuas muag muag muaj peev xwm rau kev kwv yees RUL mus sij hawm ntev hauv qhov chaw kuaj mob, tab sis cov kev siv tswv yim yuav tsum tau hloov mus rau qhov sib txawv ntawm kev them nyiaj. Siv cov ntaub ntawv-tsav txoj kev xws li LSTM, DNN, thiab GRU los ua cov ntaub ntawv NASA, GRU muaj kev ua tau zoo (RMSE ntawm 0.003, MAE ntawm 0.003, R-squared yuam kev ntawm 0.004), thiab sib txuas GRU thiab LSTM tes hauj lwm ua rau kev ua tau zoo dua. LSTM raws li txoj kev rho tawm cov yam ntxwv (xws li 5 phau ntawv nta) los ntawm kev tshuaj xyuas lub roj teeb them tawm nkhaus, thiab siv cov txheej txheem ua kom zoo (xws li Adas) txhawm rau txhim kho kev cob qhia thiab kev kwv yees qhov tseeb. Nyob rau hauv kev cob qhia ntawm ib lub roj teeb ib feem ntawm cov ntaub ntawv, SOH qhov kev kwv yees yuam kev rau lwm cov roj teeb tsawg, uas zoo dua li cov qauv qub.
MDA-LSTM network sib txuas ntau yam nta thiab cov ntaub ntawv ntawm lub cev, thiab txhim kho qhov tseeb ntawm RUL kev twv ua ntej los ntawm ntau qhov kev sib xyaw ua ke ntawm cov qauv thiab cov qauv siv ob. Nws ua tau zoo nyob rau hauv multi dataset validation, nrog robustness thiab generalization. Cov txheej txheem BiLSTM yog siv los kwv yees SOH siv cov ntaub ntawv them nyiaj tam sim no, thiab cov qauv bidirectional txhim kho kev kwv yees kev ntseeg tau, ua rau nws tsim nyog rau kev kwv yees SOH tiag tiag thaum them nyiaj ceev. Tus qauv TCN-LSTM siv cov ntaub ntawv hluavtaws thiab Bayesian optimization kom raug rov tsim kho qhov hluav taws xob qhib hluav taws xob (OCV) thiab kwv yees Lub Xeev Kev Noj Qab Haus Huv (SOH) (MAE qis dua 22mV, MAPE hauv qab 2.2%). Nws tuaj yeem txuas mus rau cov roj teeb sib txawv ntawm cov tshuaj lom neeg los ntawm kev hloov pauv kev kawm, tab sis muaj cov kev txwv ntxiv thaum cov ntaub ntawv tsis txaus. Txoj kev sib sib zog nqus sib sib zog nqus (xws li kev siv cov ntaub ntawv keeb kwm thiab ntau yam kev ntsuas kev noj qab haus huv) ua tiav qhov raug siab (MAPE hauv qab 2.97%) los ntawm kev kuaj cov nqi hluav taws xob tag nrho, thiab ob qho tib si thoob ntiaj teb kev ua haujlwm raws li GPR thiab DFTN qauv rau ib tus neeg lub tsheb hluav taws xob tau ua tiav cov txiaj ntsig zoo. .
5.2. CNN thiab CNN-LSTM Integrated Model
CNN-WNN-WLSTM txoj kev koom ua ke CNN, WNN, thiab WLSTM networks. CNN rho tawm nta, WNN thiab WLSTM txheej txheem nta thiab kwv yees SOH. RMSprop optimizer yog siv los txhim kho kev ua tau zoo thiab ua tau zoo tshaj cov txheej txheem hauv NASA dataset test, muab txoj hauv kev zoo rau kev tswj hwm roj teeb. Tus qauv CNN-LSTM-CRF tau txais kev tshoov siab los ntawm kev ua cov lus ntuj, nrog rau CRF txheej ntes cov txiaj ntsig sib txawv los txhim kho qhov raug thiab qhov xav tau ntawm kev kwv yees lub peev xwm roj teeb. Txawm li cas los xij, cov kev xav tau ntawm kev suav yog siab thiab tshaj qhov muaj peev xwm ntawm onboard processors. Nyob rau hauv lub neej yav tom ntej, kev tshawb fawb yog xav tau los txhim kho nws cov kev ua tau zoo (xws li kev hloov pauv kev kawm). Tus qauv LSTNet txhim kho lub roj teeb muaj peev xwm kwv yees kev ua tau zoo los ntawm kev faib cov ntaub ntawv, sib koom ua ke ConvLSTM thiab AR cov khoom, thiab txhim kho cov qauv (piv txwv li, hauv NASA dataset test, RMSE yog 0.65%, MAE yog 0. 58%, thiab MAPE yog 0.435% thaum kawm txog 40% cov ntaub ntawv).
Los ntawm kev sib koom ua ke txhim kho CNN thiab ECSSA optimization algorithms los kwv yees RUL ntawm cov roj teeb hauv lub xeev lithium-ion, CNN txhim kho feature rho tawm thiab kwv yees qhov tseeb los ntawm optimizing hyperparameters thiab cov qauv (xws li siv cov txheej txheem convolutional, ua kom muaj zog, thiab kev sib txuas seem), thaum ECSSA optimizes qauv tsis dhau los ntawm txoj kev ua lej tshiab (xws li Circle Chaotic Mapping, Nonlinear Absorption Coefficient, thiab Cauchy Mutation) txhawm rau txhim kho RUL kev kwv yees qhov tseeb thiab muaj zog. Kev sib xyaw PCA thiab CNN rau kev ua kom zoo dua qub thiab txo qhov loj me tuaj yeem txhim kho qhov tseeb thiab kev ua haujlwm ntawm SOH kwv yees (piv rau CNN ib txwm muaj thiab cov qauv ruaj khov PCA-CNN, MAE nce ntau dua 20% thiab RMSE nce ntau dua 30%). Lub sijhawm SOH kwv yees tus qauv sib xyaw ua ke 1D-CNN thiab BiGRU, siv BMS cov ntaub ntawv kom tsis txhob muaj cov yam ntxwv tshwj xeeb tshem tawm, thiab ua tiav qhov raug siab los ntawm Bayesian optimization ntawm hyperparameters (xws li hauv NASA dataset test, MAE yog 2.080%, RMSE yog 2.516%, thiab EOL Performance index yuam kev yog xoom).
5.3. Cov tswv yim ua kom zoo rau cov qauv kev kawm tob
Ua ntej, random hav zoov algorithm tau siv los txheeb xyuas qhov tseem ceeb ntawm kev noj qab haus huv, thiab tom qab ntawd cov txheej txheem genetic algorithm particle swarm optimization (GA-PSO) tau siv los ua kom zoo dua qhov kev txhawb nqa vector regression (SVR) cov qauv ntsuas rau kev kwv yees Lub Xeev Kev Noj Qab Haus Huv (SOH). Qhov kev ua tau zoo tau raug txheeb xyuas ntawm plaub lub roj teeb, txhim kho qhov tseeb thiab sib dhos nrawm (RMSE ntawm 0.40%, MAPE ntawm 0.56%), uas zoo dua rau lwm txoj hauv kev. GWO-BRNN hybrid txoj kev siv grey hma optimization (GWO) los xaiv hyperparameters rau Bayesian tsis tu ncua neural networks (BRNN). Raws li NASA cov ntaub ntawv, SOH qhov kev kwv yees yuam kev tsawg dua 1%, tab sis cov kev suav tsis yooj yim yog siab thiab cov ntawv siv tau raug txwv. Ncaj nraim siv cov ntaub ntawv nyoos ntawm lub tsheb hluav taws xob los ntsuas SOH thiab kwv yees RUL, txhim kho qhov tseeb los ntawm kev qhia cov kev ntsuas tshiab thiab cov txheej txheem kho qhov cuam tshuam (txo cov txheeb ze yuam kev ntawm kev sib koom ua ke tam sim no rau 0.94%), ua ke nrog D-NSGA-II optimization txoj kev mus ntxiv optimize SOH kwv yees thiab txo cov sij hawm suav. Hauv kev teb rau qhov nyuaj ntawm kev kwv yees Lub Xeev Kev Noj Qab Haus Huv (SOH) tshwm sim los ntawm kev them tsis tiav thiab tso tawm ntawm lithium-ion roj teeb hauv lub tsheb hluav taws xob, ib qho kev kwv yees tsis ncaj (ATAGA-BP) tau thov. Txoj kev siv cov yam ntxwv ntawm qhov tsis tu ncua voltage them theem raws li qhov ntsuas kev noj qab haus huv thiab raug lees paub los ntawm kev simulation nrog NASA cov ntaub ntawv. Cov txheej txheem muaj kev sib raug zoo nrog cov roj teeb muaj peev xwm (tshaj 85%), nrog rau SOH kev kwv yees yuam kev ntawm 3.7% thiab kev txhim kho kev ua tau zoo dua ntawm 17.8%.
Kev kawm tob tau ua rau muaj kev vam meej hauv kev kwv yees SOH, thiab cov qauv kev xav txog ntau yam ua rau muaj kev nkag siab tob dua ntawm cov roj teeb degradation. LSTM tes hauj lwm yog ib qho tseem ceeb hauv kev ntes cov kev cia siab ntawm lub cev thiab kwv yees RUL, tab sis lawv cov kev sib txuas lus nyuaj ua rau muaj teeb meem rau kev siv lub sijhawm. Feature extraction txoj kev yog ib qho tseem ceeb thiab yuav optimize SOH kwv yees. Kev sib xyaw ua ke ntawm cov qauv hybrid thiab sib txawv neural network architectures rau kev ua cov ntaub ntawv roj teeb tsis yooj yim tau txais kev cia siab, tab sis cov kev xav tau ntawm kev suav siab txwv tsis pub siv cov tswv yim. Optimization cov tswv yim xws li GA-PSO, GWO-BRNN, thiab D-NSGA-II tau txhim kho qhov tseeb thiab kev ua tau zoo, tab sis kev siv cov txheej txheem nyuaj nyuaj thiab yuav tsum muaj qhov sib npaug ntawm qhov raug thiab ua kom yooj yim. Advanced AI thev naus laus zis yog qhov tseem ceeb rau kev siv cov roj teeb thib ob (tsis muaj cov ntaub ntawv siv ntxaws). Cov tshooj tom ntej no yuav muab cov ntsiab lus ntawm lub xeev tam sim no ntawm kev tshawb fawb thib ob, tshwj xeeb tshaj yog nyob rau thaj tsam ntawm kev siv roj teeb.
6. Cov ntsiab lus
Kab lus no txhawb kev txhim kho ntawm SOH thiab SOC kev kwv yees rau lithium-ion roj teeb hauv tsheb hluav taws xob los ntawm cov txheej txheem tshiab thiab cov qauv, suav nrog ntau yam thev naus laus zis los ntawm kev kawm tshuab ib txwm siv rau cov qauv kev kawm tob xws li LSTM thiab CNN. Txawm li cas los xij, txhua txoj kev muaj qhov sib txawv ntawm qhov tseeb, qhov nyuaj, thiab siv tau, ua rau kev sib piv ncaj qha nyuaj. Kev tshawb fawb tau pom tias kev ua cov ntaub ntawv thiab cov peev txheej muaj feem cuam tshuam rau cov qauv kev ua tau zoo, thiab kev siv tau ntxiv yog xav tau rau kev xa tawm tiag tiag. Txawm hais tias cov qauv kev kawm sib sib zog nqus tau pom qhov zoo hauv kev ua cov ntaub ntawv nyuaj, lawv tseem ntsib cov teeb meem xws li cov kev xav tau ntawm kev siv nyiaj txiag siab thiab kev hloov pauv mus rau kev siv cov xwm txheej. Cov kev tshawb fawb yav tom ntej yuav tsum tsom mus rau kev txhim kho kev xaiv, kev kuaj pom tsis zoo, hloov mus rau ntau qhov chaw ib puag ncig, ua kom zoo dua cov txheej txheem los txhim kho kev ua tau zoo, ua tiav cov ntaub ntawv siv sijhawm, sib koom ua ke ntau cov ntaub ntawv los txhim kho SOH kwv yees cov qauv kev ua tau zoo, thaum tseem hais txog cov teeb meem hauv kev siv roj teeb thib ob. , txhim kho cov kev daws teeb meem zoo, thiab txhawb kev txhim kho cov kev tswj hwm roj teeb kom ua tau raws li qhov xav tau ntawm kev loj hlob ntawm cov tsheb hluav taws xob thiab lub zog cia.