基于多尺度随机序列特征融合的Discover蓄电池储能系统自适应多域容量估计
-
监测锂离子电池容量衰减对于电池储能体系(BESSs)的安全可靠运转至关重要。但是，传统数据驱动办法首要集中于单一域估量和固定充放电阶段的特征工程，限制了其在实在场景中的适应性。为此，本文提出了一种根据多标准随机序列特征交融的BESS自适应多域容量估量办法。首要，本文提出自适应多域容量估量理论，该理论使用皮尔逊 相关系数(PCC)用于健康特征筛选，最大均值差异(MMD)用于域差异辨认与域分类。其次，根据短时程原始电压与增量容量，归纳考虑采样距离与继续时长的影响，提出一种最优随机序列特征。随后，构建多标准卷积神经网络(MSCNN)被开发用于交融来自随机序列特征的老化信息，完结准确的自适应多域容量预算。终究，使用130节电池在不同工况下进行验证，结果标明所提办法相比单域预算具有更强的鲁棒性。整体RMSE和均匀绝对差错（MAE）别离降至1.53%和1.18%以内，整体
