10.19799/j.cnki.2095-4239.2022.0165
基于充电过程的锂电池SOH估计和RUL预测
车用锂离子电池的健康状态(state of health,SOH)和剩余寿命(remaining useful life,RUL)是锂离子电池的关键状态参数,为实现其准确的预估以保障整车安全可靠的运行,基于电动汽车充电过程提出一种改进高斯过程回归(Gaussian process regression,GPR)的锂电池SOH估计和RUL预测模型.首先以最大互信息系数(maximal information coefficient,MIC)、Pearson系数筛选充电过程的多元信息作为健康因子,基于主成分分析(principal components analysis,PCA)简化模型结构并使用粒子群算法和组合核函数改进高斯过程回归,实现车用锂离子电池SOH的准确在线估计以及RUL预测.通过NASA锂离子电池数据集验证了模型的有效性:测试电池SOH估计的最大均方根误差(root mean square error,RMSE)为0.0148,SOH预测的最大RMSE为0.0169,RUL预测的最大绝对误差为1个循环次数.
锂离子电池、健康状态、剩余寿命、高斯过程回归
11
TM912
江苏省重点研发计划BE2022053-2
2022-10-19(万方平台首次上网日期,不代表论文的发表时间)
共12页
3316-3327