پیش بینی وضعیت سلامت باتری نیکل - متال هیدرید خودروی هیبریدی تویوتا پریوس با بهره گیری از ویژگیهای استخراج شده از منحنیهای شارژ - دشارژ و یادگیری ماشین

در این مطالعه رویکردی نوین برای تخمین وضعیت سلامت باتری متال نیکل - هیدرید ارائه شده است که بر پایه تحلیل داده های آزمایش دشارژ و استخراج ویژگی های رفتاری ولتاژ و جریان استوار است. ابتدا داده های خام پس از پیش پردازش شامل فیلتر کردن و پنجره بندی به بخش های قابل تحلیل تقسیم بندی شدند. سپس مجموعه ای از ویژگی های کلیدی شامل افت ولتاژ، میانگین و انحراف معیار ولتاژ و جریان و مقاومت داخلی در هر پنجره استخراج گردید. وضعیت سلامت باتری به عنوان برچسب مصنوعی بر اساس مقادیر میانه ولتاژ نرمال شده تعریف و به کار گرفته شد. برای مدل سازی و پیش بینی سلامت باتری الگوریتم جنگل تصادفی آموزش داده شد که نتایج آن با استفاده از ضریب تعیین و خطای ریشه میانگین مربعات ارزیابی و نشان دهنده دقت بسیار بالا در تخمین سلامت باتری بود. تحلیل اهمیت ویژگی ها تاکید بر نقش مولفه های ولتاژی در فرآیند تخمین سلامت دارد. نتیجه گیری کلی بیانگر توانمندی روش پیشنهادی جهت پایش آنلاین و پیش بینی فرسودگی باتری در کاربردهای عملی می باشد.

کلیدواژه ها:

باتری خودرو ، هیبریدی ، باتری نیکل متال ، هیدرید ، تویوتا پریوس ، یادگیری ماشین