第07讲：时间序列预测及其在动力电池管理中的应用【AESA卢家欢】-北京理工大学先进储能科学与应用联合实验室-BIT AESA Advanced Energy Storage and Application

第07讲：时间序列预测及其在动力电池管理中的应用【AESA卢家欢】

发表时间：2020-07-16 阅读次数：

分享人：卢家欢

现为北京理工大学AESA课题组在读博士生，主要研究方向为电动汽车动力电池耐久性管理与梯次利用，作为核心骨干或主要成员参与完成多个纵向及企业委托项目。(个人网页)

讲座摘要：

讲座主要围绕时间序列及其预测问题展开，介绍了时间序列的基本概念、起源发展、特性要素与常见分类，分析了AR/MA/ARIMA/ARCH等经典时间序列预测方法的核心内涵与应用流程，讲述了以EMD为代表的时间序列分解预测方法，讲解了以LSTM-RNN为代表的深度网络预测方法，最后针对寿命预测和工况预测分享了电池管理中的实战应用过程，并介绍了Matlab相关工具箱的操作流程及详细代码，为时序预测、电池管理方面的学习入门提供参考。

相关文献

[1] Zhang Y, Xiong R, He H, et al. Long Short-Term Memory Recurrent Neural Network for Remaining Useful Life Prediction of Lithium-Ion Batteries[J]. IEEE Transactions on Vehicular Technology, 2018, 67(7): 5695-5705. (点击下载)

[2] Zhang Y, Xiong R, He H, et al. Remaining Useful Life Prediction With Box–Cox Transformation and Monte Carlo Simulation[J]. IEEE Transactions on Industrial Electronics, 2019, 66(2): 1585 - 1597. (点击下载)

[3] Zhou Y, Huang M. Lithium-ion batteries remaining useful life prediction based on a mixture of empirical mode decomposition and ARIMA model[J]. Microelectronics Reliability, 2016, 65:265-273. (点击下载)

[4] Xiong R. Battery Management Algorithm for Electric Vehicles[M]. Springer, 2020.

[5] Xiong R, Shen W. Advanced battery management technologies for electric vehicles[M]. John Wiley & Sons, 2019.

[6] 熊瑞. 动力电池管理系统核心算法[M]. 北京：机械工业出版社，2018.

上一篇：第08讲：硬件原理图初步设计与应用【AESA张奎】

下一篇：第06讲：动力电池热建模理论与应用案例【AESA李幸港】