10.19562/j.chinasae.qcgc.2021.11.018
锂离子电池状态估计机器学习方法综述
本文旨在综述机器学习方法在锂离子电池状态(包括荷电状态、健康状态和剩余可用寿命)估计领域的研究进展.首先,阐述机器学习方法在电池状态估计中的应用现状.然后,归纳电池状态估计机器学习方法的5个具体实施环节,即数据准备、模型选择与评价、超参数确定、数据预处理和模型训练,并提出了融合精度、实施成本和鲁棒性的学习算法评价方法.最后指出超参数确定方法仍存在的场景适应性问题,并建议建立多区域、跨季节、多模式和长时间的车用电池工况数据库,促进电池状态估计机器学习算法的实用性和普适性等方面的研究.
锂离子电池;机器学习;荷电状态;健康状态;剩余寿命
43
TP391;TM912;TP181
国家重点研发计划2018YFB0106104
2022-01-19(万方平台首次上网日期,不代表论文的发表时间)
共10页
1720-1729