# 马里兰大学锂电池数据集 CALCE,基于 Python 的锂电池寿命预测(Remaining Useful Life,RUL)& (End Of Life,EOL)
**主要库版本:**
- pytorch >=1.6.0
- pandas 0.24.2
**预测结果**
<img src="figures/prediction_calce.png" width = "100%" />
**关于代码的说明:**
最近经常收到有同学问代码中一些问题,现汇总如下:
(1) SOH 的由来,它 dec 计算的部分,减去3.8和减去3.4代表着什么。
就是取放电电压在 [3.4, 3.8] 之间的容量作为 电池的 SOH。因为现在 SOH 还没有稳定的定义,所以这个区间的数值不一定就是这两个,你可以选择放电电压在 [3.3, 3.8], [3.5, 3.8] 之间的容量作为 SOH 也没问题。因为容量预测的时候可能不太准确,不可能满充满放,所以选择电池在中间这段放电的时候的电容量来作为 SOH。
这部分的具体分析,可以查看论文的分析。
- Tian, J., Xiong, R., Shen, W., Lu, J., & Yang, X. G. (2021). Deep neural network battery charging curve prediction using 30 points collected in 10 min. Joule, 5(6), 1521-1534.
- Lin, C., Xu, J., Shi, M., & Mei, X. Constant Current Charging Time Based Fast State-of-Health Estimation for Lithium-Ion Batteries. Available at SSRN 4018988.
(2) build_sequences(text, window_size) 函数生成的预测数据为什么是序列不是下一个点?
序列[1, 2, 3, 4, 5], build_sequences 函数生成的 x=[[1, 2, 3], [2, 3, 4]], y=[[2, 3, 4], [3, 4, 5]]的目的有两个:
一种是用序列预测序列,即 x=[1, 2, 3] 预测 y=[2, 3, 4],x=[2, 3, 4] 预测 y=[3, 4, 5];
一种是用序列预测下一个点,即 x=[1, 2, 3] 预测 y=[4],x=[2, 3, 4] 预测 y=[5];
本次实验中,我采用后者。所以,代码中,我训练的时候最后是取了train_y的最后一列:
y = np.reshape(train_y[:,-1]/Rated_Capacity,(-1,1)).astype(np.float32)
**版本更新**
- 2024年5月12日,修改部分代码以及添加预测图像
- 2022年5月9日,添加高斯拟合方法:Gaussian fitting.ipynb
- 2022年2月24日,修改部分变量的名字
- 2022年2月6日,解决错误“Tensor for argument #2 ‘mat1’ is on CPU, but expected it to be on GPU (while checking arguments for addmm)”
- 2021年12月1日, 添加数据读取模块
如果原始数据集无法成功读取,可以直接选择加载我已经提取出来的数据:NASA.npy
Battery = np.load('NASA.npy', allow_pickle=True)
Battery = Battery.item()
**数据处理参考来源**
https://github.com/konkon3249/BatteryLifePrediction
**参考文献**
```
@article{chen2022transformer,
title={Transformer network for remaining useful life prediction of lithium-ion batteries},
author={Chen, Daoquan and Hong, Weicong and Zhou, Xiuze},
journal={Ieee Access},
volume={10},
pages={19621--19628},
year={2022},
publisher={IEEE}
}
```
[PDF download](https://github.com/XiuzeZhou/xiuzezhou.github.io/tree/main/pub/Transformer.pdf)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
锂电池的容量数据其实是一个时间序列,MLP 并不能很好地对时序数据进行分析。对时间序列的分析最经典的算法当然要数 RNN、LSTM 和 GRU 了。 故,接下来我会主要采用 RNN、LSTM 和 GRU 这三个序列模型进行寿命预测。
资源推荐
资源详情
资源评论
收起资源包目录
NASA和CALCE 锂电池数据集基于Pytorch的RNN LSTM GRU 寿命预测源码+使用说明文档.zip (153个子文件)
aa 2B
config 301B
description 73B
NASA使用说明.docx 199KB
MLP使用说明.docx 161KB
使用说明.docx 125KB
exclude 240B
HEAD 179B
HEAD 179B
HEAD 30B
HEAD 21B
pack-d897fc6c2eddbf03429a5a9aa33512a0db25952e.idx 11KB
index 12KB
MLP.ipynb 286KB
RNN & LSTM - CALCE.ipynb 276KB
RNN & LSTM-NASA.ipynb 251KB
CALCE.ipynb 213KB
MLP.ipynb 213KB
Gaussian fitting.ipynb 156KB
NASA.ipynb 149KB
main 179B
main 41B
B0007.mat 15.31MB
B0006.mat 15.29MB
B0005.mat 15.22MB
B0018.mat 8.11MB
README.md 3KB
README.md 2KB
CALCE.npy 179KB
NASA.npy 20KB
pack-d897fc6c2eddbf03429a5a9aa33512a0db25952e.pack 152.15MB
packed-refs 112B
prediction_nasa.png 127KB
prediction_calce.png 119KB
pre-rebase.sample 5KB
fsmonitor-watchman.sample 5KB
update.sample 4KB
push-to-checkout.sample 3KB
pre-commit.sample 2KB
prepare-commit-msg.sample 1KB
pre-push.sample 1KB
commit-msg.sample 896B
pre-receive.sample 544B
applypatch-msg.sample 478B
pre-applypatch.sample 424B
pre-merge-commit.sample 416B
post-update.sample 189B
CS2_36_8_30_10.xlsx 2.83MB
CS2_37_8_30_10.xlsx 2.78MB
CS2_35_8_30_10.xlsx 2.77MB
CS2_38_8_30_10.xlsx 2.77MB
CS2_36_9_21_10.xlsx 2.67MB
CS2_36_9_14_10.xlsx 2.67MB
CS2_36_9_30_10.xlsx 2.64MB
CS2_35_9_21_10.xlsx 2.61MB
CS2_37_9_28_10.xlsx 2.6MB
CS2_37_9_21_10.xlsx 2.59MB
CS2_37_9_14_10.xlsx 2.58MB
CS2_38_9_21_10.xlsx 2.58MB
CS2_35_10_15_10.xlsx 2.58MB
CS2_36_10_14_10.xlsx 2.58MB
CS2_38_9_28_10.xlsx 2.58MB
CS2_36_10_21_10.xlsx 2.56MB
CS2_35_9_30_10.xlsx 2.55MB
CS2_38_10_14_10.xlsx 2.52MB
CS2_37_10_14_10.xlsx 2.52MB
CS2_38_9_14_10.xlsx 2.51MB
CS2_35_10_22_10.xlsx 2.51MB
CS2_38_10_21_10.xlsx 2.49MB
CS2_37_10_21_10.xlsx 2.48MB
CS2_36_10_28_10.xlsx 2.47MB
CS2_35_11_08_10.xlsx 2.45MB
CS2_35_11_23_10.xlsx 2.44MB
CS2_35_10_29_10.xlsx 2.42MB
CS2_37_10_28_10.xlsx 2.4MB
CS2_38_10_28_10.xlsx 2.39MB
CS2_36_9_7_10.xlsx 2.39MB
CS2_38_11_15_10.xlsx 2.39MB
CS2_37_9_7_10.xlsx 2.38MB
CS2_36_11_15_10.xlsx 2.37MB
CS2_37_11_08_10.xlsx 2.36MB
CS2_38_11_08_10.xlsx 2.36MB
CS2_35_9_7_10.xlsx 2.35MB
CS2_37_11_15_10.xlsx 2.35MB
CS2_38_11_22_10.xlsx 2.33MB
CS2_35_12_06_10.xlsx 2.29MB
CS2_36_11_22_10.xlsx 2.29MB
CS2_37_11_22_10.xlsx 2.28MB
CS2_35_12_13_10.xlsx 2.25MB
CS2_38_9_7_10.xlsx 2.22MB
CS2_38_12_06_10.xlsx 2.18MB
CS2_35_12_20_10.xlsx 2.18MB
CS2_38_12_13_10.xlsx 2.15MB
CS2_36_12_06_10.xlsx 2.12MB
CS2_37_12_06_10.xlsx 2.12MB
CS2_38_12_20_10.xlsx 2.08MB
CS2_37_12_13_10.xlsx 2.05MB
CS2_36_12_13_10.xlsx 2.03MB
CS2_37_12_20_10.xlsx 1.96MB
CS2_36_12_20_10.xlsx 1.95MB
共 153 条
- 1
- 2
资源评论
FL1768317420
- 粉丝: 5005
- 资源: 5729
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功