DQZHAN技術(shù)訊：機器學習估算電池充電水平 誤差率僅為1％
美國哥倫比亞大學的兩位教授Matthias Preindl和Alan West正在開發(fā)一種機器學習模型，可以更準確地估算鋰電池的充電水平。
電動汽車鋰電池還是一種尚未完全研究完善的可充電電池，但是由于電動汽車將取代汽油動力汽車的趨勢，任何改善鋰電池性能的研究都將成為電動汽車和環(huán)境的福音。
美國哥倫比亞大學的兩位教授Matthias Preindl和Alan West正在開發(fā)一種機器學習模型，可以更準確地估算鋰電池的充電水平。目前普遍的電池充電狀態(tài)的估計誤差率為5％，而該團隊的模型目標是誤差率為1％。他們的研究還獲得了哥倫比亞數(shù)據(jù)科學研究所（Data Science Institute）的種子基金資助。
關(guān)于該電池機器學習模型，電氣工程教授Mathias Preindl 作了一個形象的比喻?！拔覀冋谧龅氖虑榫褪菄H象棋機器人所做的事情，”Mathias Preindl說?！皣H象棋機器人通過算法來研究所有游戲中的所有動作，并且可以通過計算數(shù)據(jù)然后選擇*佳動作。這就是我們試圖用我們的模型實現(xiàn)的。”
雖然Preindl是電池外部機構(gòu)的專家，但化學工程師Allen West了解電池的內(nèi)部化學成分。他們希望利用他們的綜合工程知識以及先進的數(shù)據(jù)科學技術(shù)，設(shè)計出一種可以預測如何讓鋰電池獲得*佳性能一種模型。
正如我們知道的，電池管理系統(tǒng)經(jīng)過調(diào)節(jié)，可以捕獲電池的健康狀況并預測其剩余使用壽命，通過這兩個途徑可以讓車主了解停止汽車為電池充電以及何時安排更換電池的具體時間。此外，高估計精度模型可以讓電池管理系統(tǒng)識別更準確以及保護弱電池，從而延長電池組的壽命。
為了設(shè)計其機器學習模型，該團隊將干擾信號（由電力電子轉(zhuǎn)換器產(chǎn)生的一系列電流信號）應用于鋰離子電池單元。序列信號可以使電池單元發(fā)出可以測試到的電響應。該團隊將在其實驗室中測試電池，并使用電力電子轉(zhuǎn)換器從電動車輛中安裝的電池獲取數(shù)據(jù)。根據(jù)每分鐘生成的數(shù)據(jù)測量電池功能，如溫度、電壓和電流波動，從而產(chǎn)生數(shù)十萬個數(shù)據(jù)點。此外，該團隊還在設(shè)計一種算法來評估產(chǎn)生的數(shù)據(jù)并設(shè)計優(yōu)化模型。
“就目前而言，我們還沒有量化的方法來解析鋰電池的性能，”Preindl說道，“但一旦我們有了量化的方法，我們就會知道什么時候需要給電池充電，它們能持續(xù)多長時間，何時需要更換電池以及如何延長電池壽命，”他補充道?！坝捎陔妱悠嚭弯囯姵厥俏磥戆l(fā)展方向，我們的項目有望改善我們運輸系統(tǒng)的關(guān)鍵部分，同時改善我們的環(huán)境?！?
