Identificazione accurata dei parametri dei modelli elettrochimici degli ioni di litio
batteria (LiB) celle è un compito fondamentale per migliorare la fedeltà e
capacità predittiva. I metodi tradizionali di identificazione dei parametri spesso richiedono
estesi esperimenti di raccolta dati e mancanza di adattabilità dinamica
ambienti. Questo articolo descrive un apprendimento per rinforzo (RL) approccio basato
che adatta dinamicamente il profilo corrente applicato a una cella LiB per l'ottimizzazione
l'identificabilità dei parametri del modello elettrochimico. La proposta
framework è implementato in tempo reale utilizzando un Hardware-in-the-Loop (HI) impostare,
che funge da banco di prova affidabile per valutare la strategia di progettazione basata su RL.
La validazione HIL conferma che il disegno sperimentale basato su RL ha prestazioni superiori
protocolli di test convenzionali utilizzati per l'identificazione dei parametri in termini di entrambi
riducendo gli errori di modellazione su un test di verifica e minimizzandone la durata
dell'esperimento utilizzato per l'identificazione dei parametri.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: