Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Xây dựng mô hình tích hợp để ước lượng trạng thái sạc trong pin lithium của xe điện
Tóm tắt
Nghiên cứu này giải quyết vấn đề dự đoán Trạng thái Sạc (SOC) cho pin xe điện bằng cách sử dụng mô hình mạng nơ-ron Kalman động. Mô hình được tối ưu hóa bằng cách sử dụng thuật toán di truyền để điều chỉnh trọng số mạng nơ-ron. Ngoài ra, một chiến lược liên quan đến máy vector hỗ trợ để tối ưu hóa mô hình cũng được đề xuất. Chiến lược này bao gồm tiền xử lý dữ liệu, chọn các hàm nhân phù hợp cho việc đào tạo, và kết hợp các kết quả dự đoán nhằm tăng cường độ ổn định của mô hình. Các kết quả chỉ ra rằng mô hình Mạng nơ-ron Kalman Di truyền Động (DGKNN) đạt được tỷ lệ sai số dự đoán tối thiểu chỉ 0.1529% khi hệ số điều chỉnh được thiết lập ở mức 0.7. Mô hình DGKNN liên tục thể hiện tỷ lệ sai số thấp nhất, sai số tuyệt đối trung bình, sai số bình phương trung bình và căn bậc hai sai số trung bình khi xử lý các tập dữ liệu nhỏ, trung bình và lớn. Chẳng hạn, trong tập dữ liệu nhỏ, tỷ lệ sai số chỉ là 0.1518, và sai số căn bậc hai chỉ là 0.0604. Các kết quả nghiên cứu chứng minh rằng mô hình đề xuất cho thấy độ chính xác cao trong thời gian thực trong việc dự đoán SOC pin, cho phép theo dõi các thông số vận hành của pin trong thời gian thực. Phương pháp được đề xuất trong nghiên cứu này có thể dự đoán chính xác trạng thái sạc của pin, kéo dài tuổi thọ của các gói pin, và cải thiện hiệu suất của xe điện. Nó có ý nghĩa quan trọng trong việc thúc đẩy phát triển ngành công nghiệp xe điện.
Từ khóa
#Trạng thái sạc #mô hình mạng nơ-ron Kalman #tối ưu hóa mô hình #pin xe điện #thuật toán di truyềnTài liệu tham khảo
Anwar MB, Muratori M, Jadun P, Hale E, Bush B, Denholm P, Ma O, Podkaminer K (2022) Assessing the value of electric vehicle managed charging: a review of methodologies and results. Energy Environ Sci 15(2):466–498
As’ad F, Avery P, Farhat C (2022) A mechanics-informed artificial neural network approach in data-driven constitutive modeling. Int J Numer Methods Eng 123(12):2738–2759
Cao H, Wu Y, Bao Y, Feng X, Wan S, Qian C (2023) UTrans-Net: a model for short-term precipitation prediction. Artif Intell Appl 1(2):106–113
Chen K, Zhou S, Liu K, Gao G, Wu G (2023) State of charge estimation for lithium-ion battery based on whale optimization algorithm and multi-kernel relevance vector machine. J Chem Phys 158(10):104110–104120
Chen P, Jin X, Han XF (2024) Joint estimation of state of charge and state of health of lithium ion battery. J Electrochem Energy Convers Storage 21(01):11008–11020
Cui Z, Wang L, Li Q, Wang K (2022a) A comprehensive review on the state of charge estimation for lithium-ion battery based on neural network. Int J Energy Res 46(5):5423–5440
Cui Z, Kang L, Li L, Wang L, Wang K (2022b) A hybrid neural network model with improved input for state of charge estimation of lithium-ion battery at low temperatures. Renew Energy 198:1328–1340
Dou Y, Kan D, Su Y, Zhang Y, Wei Y, Zhang Z, Zhou Z (2022) Critical factors affecting the catalytic activity of redox mediators on Li–O2 battery discharge. J Phys Chem Lett 13(30):7081–7086
Esenogho E, Mienye ID, Swart TG, Aruleba K, Obaido G (2022) A neural network ensemble with feature engineering for improved credit card fraud detection. IEEE Access 10:16400–16407
Feng K, Ji JC, Ni Q (2023) A novel adaptive bandwidth selection method for Vold-Kalman filtering and its application in wind turbine planetary gearbox diagnostics. Struct Health Monit 22(2):1027–1048
Liang G, Rodriguez E, Farivar GG, Ceballos S, Townsend CD, Gorla NB, Pou J (2022) A constrained intersubmodule state-of-charge balancing method for battery energy storage systems based on the cascaded H-bridge converter. IEEE Trans Power Electron 37(10):12669–12678
Liu K, Sun Y, Yang D (2023) The administrative center or economic center: which dominates the regional green development pattern. A case study of Shandong Peninsula urban agglomeration, China. Green Low-Carbon Econ 1(3):110–120
Ly A, El-Sayegh Z (2023) Tire wear and pollutants: an overview of research. Arch Adv Eng Sci 1(1):2–10
Mastoi MS, Zhuang S, Munir HM, Haris M, Hassan M, Usman M, Bukhari SS, Ro JS (2022) An in-depth analysis of electric vehicle charging station infrastructure, policy implications, and future trends. Energy Rep 8:11504–11529
Mokayed H, Quan TZ, Alkhaled L, Sivakumar V (2023) Real-time human detection and counting system using deep learning computer vision techniques. Artif Intell Appl 1(4):221–229
Revach G, Shlezinger N, Ni X, Escoriza AL, Van Sloun RJ, Eldar YC (2022) KalmanNet: neural network aided Kalman filtering for partially known dynamics. IEEE Trans Signal Process 70:1532–1547
Serat Z, Fatemi SAZ, Shirzad S (2023) Design and economic analysis of on-grid solar rooftop PV system using PVsyst software. Arch Adv Eng Sci 1(1):63–76
Venkitaraman AK, Kosuru VSR (2022) A review on autonomous electric vehicle communication networks-progress, methods and challenges. World J Adv Res Rev 16(3):13–24
Wu Y, Zhao Z, Hao X, Xu R, Li L, Lv D, Huang X, Zhao Q, Xu Y, Wu Y (2023a) Cathode materials for calcium-ion batteries: current status and prospects. Carbon Neutraliz 2(5):551–573
Wu Z, Zhao Y, Zhang N (2023b) A literature survey of green and low-carbon economics using natural experiment approaches in top field journal. Green Low-Carbon Econ 1(1):2–14
Xu Y, Chen X, Zhang H, Yang F, Tong L, Yang Y, Yan D, Yang A, Yu M, Liu Z, Wang Y (2022a) Online identification of battery model parameters and joint state of charge and state of health estimation using dual particle filter algorithms. Int J Energy Res 46(14):19615–19652
Xu H, Wang S, Fan Y, Qiao J, Xu W (2022b) A novel Drosophila-back propagation method for the lithium-ion battery state of charge estimation adaptive to complex working conditions. Int J Energy Res 46(11):15864–15880