99久久99久久精品国产片果冻,粉嫩av久久一区二区三区,日本高清www午色夜com,国产成 人 综合 亚洲网站,97人妻无码一区二区精品免费

  • 頭條青島科大學(xué)者提出電動(dòng)汽車充電狀態(tài)監(jiān)測(cè)與多級(jí)安全預(yù)報(bào)警的新方法
    2022-08-30 作者:高德欣、鄭曉雨 等  |  來(lái)源:《電工技術(shù)學(xué)報(bào)》  |  點(diǎn)擊率:
    分享到:
    導(dǎo)語(yǔ)針對(duì)電動(dòng)汽車充電過(guò)程自燃的問(wèn)題,青島科技大學(xué)自動(dòng)化與電子工程學(xué)院、青島科技大學(xué)信息科學(xué)技術(shù)學(xué)院的研究人員高德欣、鄭曉雨、王義、楊清,在2022年第9期《電工技術(shù)學(xué)報(bào)》上撰文,提出一種基于CNN-BiLSTM模型的電動(dòng)汽車充電狀態(tài)監(jiān)測(cè)與多級(jí)安全預(yù)報(bào)警方法。

    全球范圍內(nèi),生態(tài)環(huán)境和能源危機(jī)問(wèn)題日漸突出,較傳統(tǒng)燃油汽車,電動(dòng)汽車在節(jié)約石油資源、降低碳排放方面具有巨大優(yōu)勢(shì),受到各國(guó)政府和汽車企業(yè)的重視。但是電動(dòng)汽車在充電過(guò)程中,可能會(huì)發(fā)生自燃事故,阻礙電動(dòng)汽車行業(yè)的發(fā)展。

    研究發(fā)現(xiàn),電池過(guò)溫是引起電動(dòng)汽車充電自燃的重要原因。因此,構(gòu)建電動(dòng)汽車充電過(guò)程的溫度預(yù)警模型,對(duì)電動(dòng)汽車電池的溫度進(jìn)行實(shí)時(shí)監(jiān)測(cè)和安全預(yù)警,能夠保障充電安全,有利于電動(dòng)汽車行業(yè)的可持續(xù)發(fā)展。

    目前,關(guān)于電動(dòng)汽車充電過(guò)程安全預(yù)警和故障診斷的研究剛剛起步,成果較少。針對(duì)這個(gè)問(wèn)題,可以借鑒在其他行業(yè)應(yīng)用的如卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)、長(zhǎng)短記憶網(wǎng)絡(luò)(Long Short Memory Networks, LSMN)和雙向長(zhǎng)短記憶網(wǎng)絡(luò)(Bi-directional LSTM, BiLSTM)等深度學(xué)習(xí)方法進(jìn)行研究。

    理論上組合模型通過(guò)將多種模型融合,利用不同模型的優(yōu)勢(shì),對(duì)研究對(duì)象進(jìn)行預(yù)測(cè),能夠更好地滿足預(yù)測(cè)的實(shí)際需要,且預(yù)測(cè)精度優(yōu)于單一模型。有學(xué)者組合CNN模型與LSTM模型,對(duì)短期負(fù)荷進(jìn)行預(yù)測(cè),該模型同時(shí)具備了CNN模型與LSTM模型的優(yōu)點(diǎn),有效降低了預(yù)測(cè)誤差;有學(xué)者選取真實(shí)的鋰離子電池?cái)?shù)據(jù)集,組合CNN模型與BiLSTM模型,對(duì)鋰離子電池剩余壽命進(jìn)行預(yù)測(cè),實(shí)驗(yàn)證明該模型具有比單一模型更高的預(yù)測(cè)精度。

    針對(duì)電動(dòng)汽車充電過(guò)程自燃的問(wèn)題,青島科技大學(xué)自動(dòng)化與電子工程學(xué)院、青島科技大學(xué)信息科學(xué)技術(shù)學(xué)院的研究人員高德欣、鄭曉雨、王義、楊清,在2022年第9期《電工技術(shù)學(xué)報(bào)》上撰文,提出一種基于CNN-BiLSTM模型的電動(dòng)汽車充電狀態(tài)監(jiān)測(cè)與多級(jí)安全預(yù)報(bào)警方法。

    圖1 電動(dòng)汽車充電多級(jí)安全預(yù)報(bào)警系統(tǒng)

    圖2 電動(dòng)汽車充電多級(jí)安全預(yù)報(bào)警流程

    研究人員指出,該方法融合CNN模型和BiLSTM模型構(gòu)建預(yù)測(cè)電動(dòng)汽車充電數(shù)據(jù)的模型,克服了傳統(tǒng)LSTM模型只考慮單一歷史因素的缺點(diǎn),提高了模型的預(yù)測(cè)精度。將該模型與CNN模型、LSTM模型、BiLSTM模型、CNN-LSTM模型進(jìn)行對(duì)比,驗(yàn)證模型性能。在此基礎(chǔ)上,他們將預(yù)測(cè)數(shù)據(jù)通過(guò)滑動(dòng)窗口,消除數(shù)據(jù)傳輸過(guò)程中錯(cuò)誤充電數(shù)據(jù)對(duì)殘差變化的影響,設(shè)定合理的預(yù)報(bào)警閾值,實(shí)時(shí)監(jiān)測(cè)電動(dòng)汽車充電狀態(tài)。

    研究人員表示,試驗(yàn)結(jié)果表明該方法可以對(duì)電動(dòng)汽車充電過(guò)程進(jìn)行實(shí)時(shí)監(jiān)測(cè),能夠及時(shí)發(fā)現(xiàn)故障并發(fā)出預(yù)報(bào)警信號(hào),采取相應(yīng)保護(hù)措施,減小電動(dòng)汽車充電過(guò)程中的燒車風(fēng)險(xiǎn),保障電動(dòng)汽車充電安全。

    本文編自2022年第9期《電工技術(shù)學(xué)報(bào)》,論文標(biāo)題為“電動(dòng)汽車充電狀態(tài)監(jiān)測(cè)與多級(jí)安全預(yù)報(bào)警方法”。本課題得到了國(guó)家自然科學(xué)基金、山東省自然科學(xué)基金、山東省重點(diǎn)研發(fā)計(jì)劃(公益類)、山東省高等學(xué)??茖W(xué)技術(shù)計(jì)劃和山東省研究生導(dǎo)師指導(dǎo)能力提升項(xiàng)目的支持。