使用递归高斯过程回归从数据中学习电池模型参数动态变化。

​

Learning battery model parameter dynamics from data with recursive
Gaussian process regression

解决问题：该论文旨在解决电池管理系统中电池健康状态估计的问题。由于实际应用中操作条件和使用要求的变异性，传统的等效电路模型拟合方法在极端性能和长期老化时可能存在不准确性，参数估计的不稳定性。纯数据驱动方法受限于其训练数据集，缺乏广泛性。

关键思路：论文提出了一种混合方法，将数据驱动和模型驱动技术相结合，用于电池健康状态估计。具体而言，该论文提出了一种基于贝叶斯数据驱动方法——高斯过程回归，用于估计电池模型参数作为状态、操作条件和寿命的函数。通过递归方法实现计算效率，得到一个统一的联合状态-参数估计器，从数据中学习参数动态，并对间断和不同操作条件具有鲁棒性。结果表明，该方法在模拟和实测数据上都表现出良好的效果，包括准确的电池容量和内阻估计和预测。这为了解实际应用中电池老化问题开辟了新的机会。

其他亮点：该论文的实验设计充分考虑了实际应用中的操作条件和使用要求，使用了模拟和实测数据集，证明了该方法的可行性和有效性。该论文开源了代码，便于其他研究者进行复现和进一步研究。该方法的创新点在于将数据驱动和模型驱动技术相结合，可以克服传统方法的局限性，并且具有较好的鲁棒性和广泛性。

关于作者：Antti Aitio，Dominik Jöst，Dirk Uwe Sauer，David A. Howey均为电池管理系统领域的专家。Antti Aitio是英国剑桥大学工程系的博士后研究员，他的研究重点是电池管理系统和电动汽车。Dominik Jöst是德国亥姆霍兹能源储存研究所的博士后研究员，他的研究领域包括电池管理系统和电动汽车。Dirk Uwe Sauer是德国亚琛工业大学电力电子研究所的教授，他的研究领域包括电池管理系统、能量存储和电动汽车。David A. Howey是英国牛津大学工程科学系的副教授，他的研究领域包括电池管理系统、能量存储和电动汽车。

相关研究：近期其他相关的研究包括：1）《A comparative study of model-based and data-driven lithium-ion battery remaining useful life prediction methods》（作者：L. Zhang，L. Sun，J. Hu，机构：香港科技大学）；2）《Recurrent neural networks for remaining useful life estimation of lithium-ion batteries》（作者：X. Liu，Y. Chen，J. Hu，机构：香港科技大学）；3）《A review of battery health monitoring methods based on data-driven approaches》（作者：W. Chen，X. Gao，Z. Zhang，机构：南京理工大学）。这些研究主要关注于电池健康状态估计的方法和技术，其中既有基于模型的方法，也有基于数据驱动的方法。

论文摘要：本文提出了一种结合数据和模型驱动技术的混合方法，用于电池健康估计。具体地，我们展示了一种贝叶斯数据驱动方法——高斯过程回归，用于估计模型参数作为状态、操作条件和寿命的函数。通过递归方法，确保了计算效率，得到了一个统一的联合状态参数估计器，可以从数据中学习参数动态，并且对间隙和不同操作条件具有鲁棒性。结果表明，该方法在模拟和实测数据上具有很高的效果，包括准确的电池容量和内阻估计和预测。这为了解电池在实际应用中的老化提供了新的机会。

​Read More