En los vehículos eléctricos, el aprendizaje automático se utiliza ampliamente en muchas áreas, incluida la estimación del estado de la batería. El estado de carga de una batería (SOC) es el porcentaje de energía disponible en la batería. La estimación precisa del SOC es fundamental para optimizar el rendimiento de la batería, extender su vida útil y mantener la seguridad. Sin embargo, la estimación del SOC es una tarea compleja porque las reacciones químicas y el envejecimiento de la batería afectan su rendimiento.
El aprendizaje profundo es un poderoso método de aprendizaje automático que puede manejar grandes cantidades de datos no lineales. Para la estimación del SOC de la batería de un vehículo eléctrico, se puede utilizar una red neuronal profunda (DNN) para entrenar el modelo. Los datos de entrenamiento pueden ser varios parámetros de la batería, como voltaje, corriente y temperatura. Durante la fase de prueba, los datos recién recopilados se introducen en el DNN capacitado para predecir el SOC de la batería.
1. Diferentes condiciones de trabajo, curvas SOC y OCV
A la misma temperatura (293K), curvas SOC y OCV
2. Voltaje y SOC a diferentes temperaturas [Condición de funcionamiento constante 1C]
3 curvas de descarga a diferentes velocidades
4 curvas de descarga a diferentes temperaturas
5 Voltaje y corriente de descarga bajo diferentes SOC
6 curvas de resistencia interna a diferentes temperaturas
14