利用光谱学习从现实世界充电数据中估算可转让电动汽车电池容量

《IEEE Open Journal of the Industrial Electronics Society》:Transferable Electric Vehicle Battery Capacity Estimation From Real-World Charging Data Using Spectral Learning

【字体: 大 中 小 】 时间:2026年04月29日 来源:IEEE Open Journal of the Industrial Electronics Society 4.3

编辑推荐:

   摘要:可靠地估计电动汽车电池容量对于预测行驶里程、制定维护计划以及实现电池的二次利用至关重要。虽然汽车制造商在电池管理系统中使用了专有算法,但这些方法通常是封闭的、特定于模型的,并且车队运营商、充电网络和监管机构无法访问。因此,迫切需要一种可转移的、基于数据的方法,利用普遍可用

  

摘要:

可靠地估计电动汽车电池容量对于预测行驶里程、制定维护计划以及实现电池的二次利用至关重要。虽然汽车制造商在电池管理系统中使用了专有算法,但这些方法通常是封闭的、特定于模型的,并且车队运营商、充电网络和监管机构无法访问。因此,迫切需要一种可转移的、基于数据的方法,利用普遍可用的信号(如充电数据)来提供透明且适用于整个车队的容量估计。我们提出了一种基于傅里叶神经算子的光谱学习框架,该框架能够将每个充电周期的多变量充电数据映射到容量估计值上。该模型结合了每个充电周期的预测结果和序列级别的约束条件,以确保结果的平滑性和时间一致性。在包含83辆电动汽车和超过15,800个充电周期的真实世界数据集上进行评估后,该方法相对均方根误差(RMSE)仅为1.9%,相比现有最佳方法降低了近40%的误差。重要的是,我们证明通过轻微的微调,所提出的方法可以适用于不同的汽车制造商,并且在独立的数据子集上仍能保持高精度。这些结果表明,频域算子学习提供了一种紧凑、可转移且易于解释的工具,可用于超越专有系统的电池健康状况评估,从而实现车队规模的监控,并推动电动出行的更广泛采用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号