找到 1 条结果
基于不确定性量化的鲁棒锂离子电池容量估计方法：应对时间序列数据掩蔽挑战的渐进学习框架
Robust capacity estimation with uncertainty quantification for li-ion batteries under temporal data masking challenges: A progressive learning approach
Tengwei Pang · Guodong Fan · Boru Zhou · Yansong Wang 等6人 · Applied Energy · 2025年1月 · Vol.401
准确估计锂离子电池容量对于可靠性管理至关重要，但由于时间序列数据掩蔽问题的存在，该任务面临严峻挑战。时间序列掩蔽是实际云应用中普遍存在的现象，会导致时序数据缺失和数据质量退化。为解决这一问题，本文提出一种渐进式学习框架，该框架构建了一条数据质量感知的学习路径，通过逐步生成并引入人工掩蔽的低质量样本，仅利用高质量实验室数据即可实现模型的鲁棒训练。该框架融合了动态采样与自适应重采样策略，以增强模型对数据偏斜的鲁棒性。此外，通过在同源充电段上进行隐式集成学习，高效实现了具有强物理可解释性的不确定性量化...
解读: 该渐进式学习框架对阳光电源ST系列储能变流器及PowerTitan系统的电池管理具有重要价值。针对iSolarCloud云平台实际应用中的数据缺失和时序遮蔽问题,该方法仅需高质量实验室数据即可实现鲁棒容量估计,在50%数据遮蔽下RMSE仅增0.03%。其隐式集成的不确定性量化技术可避免贝叶斯方法的计...