Deep Learning Specialization on Coursera

课程主页: https://www.coursera.org/learn/battery-state-of-health

课程简介

电池健康状态(SOH)估计是一个在Coursera上提供的极具价值的课程,该课程也可以作为学分课程(ECEA 5733)被选修,属于科罗拉多大学博尔德分校的电气工程硕士学位的一部分。在这个课程中,您将学习如何实现不同的健康状态估计方法,并评估它们的相对优缺点。

课程内容概述

课程的主要目标是让学员了解锂离子电池的主要退化机制,以及它们的工作原理。您将能够:

  • 识别锂离子电池中发生的主要退化机制,并理解这些机制的运作方式
  • 执行提供的Octave/MATLAB脚本,使用加权最小二乘法估计总容量

详细课程大纲

锂离子电池健康状况如何退化?

随着电池单元的老化,它们的总容量通常会减少,电阻通常会增加。在这部分中,您将学习这种现象发生的原因,包括导致锂离子电池单元退化的特定物理和化学机制,以及追踪电阻变化的简便性与准确估计总容量变化的复杂性。

总最小二乘法电池容量估计

本周将学习电池容量的传统估计方法通常使用普通最小二乘法(OLS),但您将了解到这是一个根本错误的方法。我们将学习为标准进行加权OLS解的推导,并进一步推导加权总最小二乘法(TLS)解。

简化的总最小二乘法电池容量估计

本周,我们将探索一种比例加权的TLS方法,并学习如何将其推广为“近似加权TLS”(AWTLS)方法,它能够给出良好的估计,并且能够在电池管理系统(BMS)中实现。

为各种总容量估算器编写代码的方法

在过去的几周中,您将学习几种容量估计方法,并将在本周了解如何在Octave代码中实现这些方法,并通过仿真场景对比各方法的效果。

卡尔曼滤波方法进行总容量估计

在此部分中,您将学习如何将扩展卡尔曼滤波器(EKF)和sigma点卡尔曼滤波器(SPKF)应用于电池单元模型参数的估计。

结业项目

您将探索一种不同的方法,以确定输入到总容量估计方法中的“x”和“y”数据,这将极大地提升您对数据质量在估计方法中的影响的理解。

总结

这门课程从多个视角深入探讨了电池的健康状态估计,适合对电池技术和电气工程感兴趣的学员。通过这样的学习,您不仅能掌握理论知识,还能积累实践经验,为今后的相关工作打下坚实基础。如果您对电池管理或电动汽车技术有兴趣,这门课程无疑是一个很好的选择。

课程主页: https://www.coursera.org/learn/battery-state-of-health

作者 CourseEye