10.13335/j.1000-3673.pst.2021.0045
基于最小二乘支持向量机误差补偿模型的锂离子电池健康状态估计方法
对锂离子电池的健康状态(state of health,SOH)进行准确估计是电池安全稳定运行的重要保障.为此,提出一种基于最小二乘支持向量机误差补偿模型(least squares support vector machine-error compensation model,LSSVM-ECM)的锂离子电池SOH估计方法.该方法将电池容量的衰退过程分为总体趋势和局部差异,对于容量衰退的总体趋势,由电池容量历史衰退数据建立经验退化模型(empirical degradation model,EDM),并计算SOH真实值和模型输出值之间的误差;对于容量衰退的局部差异,以等压升时间作为输入,经验模型的拟合误差作为输出,建立LSSVM误差补偿模型,对EDM的预测结果进行动态补偿.公开数据集和实际实验测试的验证结果表明,所提方法具有较高的预测精度和较强的鲁棒性.
锂离子电池、健康状态、经验退化模型、最小二乘支持向量机
46
TM721(输配电工程、电力网及电力系统)
国家自然科学基金61873180
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
613-621