基于PSO-XGBoost算法的多衰退特征锂离子电池SOH估计

摘要：

为了准确估计锂离子电池的健康状态(SOH),提出了一种基于粒子群算法与极限梯度提升算法相结合的方法.首先利用主成分分析法(PCA)对电池数据进行预处理,提取并组成最佳健康因子数据组;在此数据的基础上,运用XGBoost算法建立锂离子电池退化过程模型,利用同类已有电池历史数据进行训练,通过粒子群算法优化XGBoost算法中五个主要参数,构建基于PSO-XGBoost的SOH预测模型;最后采用美国国家航空航天局电池数据集进行分析验证,并与现有的预测方法对比.结果表明,该方法平均绝对误差为0.003922、均方根误差为0.005553、最大误差为0.02184,具有较高的预测精度.

关键词：锂离子电池、健康状态、XGBoost、粒子群算法

分类号：TM912

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27