10.19799/j.cnki.2095-4239.2022.0336
基于SOM+SVM的退役锂离子电池分选
针对退役动力电池分选方法匮乏的问题,提出一种基于SOM(自组织特征映射网络)+SVM(支持向量机)的退役锂离子电池分选方法.对退役电池进行电池测试,通过电池测试系统记录电池的电流、电压、温度和放电容量的变化,进行电池PNGV(新一代汽车合作伙伴)模型参数辨识,并依据电池容量、等压降时间等特征参数与模型参数对电池进行多参数聚类与分选归类.将分选归类结果中的退役电池单体进行并联重组,进行一致性实验,并对实验结果进行比较分析.实验结果表明:该方法下的退役电池参数在经过重组循环运算后,极化内阻、剩余容量、等压降时间、温度转换速率一致性变化程度较小,欧姆内阻离散度明显减小,在退役电池分选工作中具有实际意义.
SOM神经网络、支持向量机、PNGV模型、退役电池、电池分选
11
TM911.1
国家自然科学基金;云南省教育厅科学研究基金;西南林业大学科研启动基金项目
2022-11-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
3623-3630