典型文献
基于大数据驱动的集成模型车辆热失控预测
文献摘要：
电池故障是新能源汽车热失控的主要威胁之一,开发一种算法预测汽车电池是否以及何时发生热失控,以便及时发送高温预警信息成为迫切需要.热失控的原因复杂而又多面,热失控或触发于动力电池内部,也可由外力触发,通过单纯的物理模型做出精确的预测较为困难.因此,构建了一种集成的机器学习算法,通过分别考虑电压和温度、异常电流、单电池一致性和过充电风险因素,构建集成模型.该集成模型由五个子模型组成,这些子模型与通过网格搜索选择的超参数相关联.为实现更加准确的预测,该方法基于实测大数据进行训练,算法实用且灵活,可预测现实场景中锂电池热失控的可能性.实验结果表明:综合误报率为0.1656,验证了该方法的可行性.
文献关键词：
热失控;机器学习;实测数据;集成模型
中图分类号：
作者姓名：
刘伟霞;程淑隽;肖家勇;常伟;李源
作者机构：
北京新能源汽车股份有限公司,北京100176;上海觉云科技有限公司,上海200030
文献出处：
引用格式：
[1]刘伟霞;程淑隽;肖家勇;常伟;李源-.基于大数据驱动的集成模型车辆热失控预测)[J].电源技术,2022(03):299-302
A类：
B类：
大数据驱动,集成模型,模型车,电池故障,新能源汽车,主要威胁,算法预测,汽车电池,何时,生热,发送,预警信息,多面,发于,动力电池,池内,外力,物理模型,机器学习算法,单电池,电池一致性,过充电,该集,子模型,网格搜索,超参数,相关联,现实场景,锂电池热失控,误报率
AB值：
0.383587
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
