典型文献
基于数据驱动的电池系统泛化SOH估计方法
文献摘要：
准确可靠的电池健康状态估计是保证锂离子电池安全运行的关键,同时为失效预警提供参考.提出一种适用于电池单体和电池组的健康状态估计通用方法.首先,提出基于局部充放电数据的电池单体高效健康因子提取方法,保证健康因子和容量的高相关性和实现健康因子的在线可获取性.其次,提出考虑电池组容量衰减和不一致性的特征生成策略,利用主成分分析获取融合特征,利用双时间尺度滤波和电池组等效电路模型拓宽特征提取方法的应用范围.然后,基于高斯过程回归算法框架,考虑健康因子和容量衰减的整体关系和局部变化提出改进的高斯核函数提高估计精度和可靠性.最后,利用多个试验数据集验证算法在不同应用条件下的泛化能力.估计结果表明,对恒流放电工况的电池单体估计误差小于1.28％,在动态变温条件下电池单体估计误差小于1.82％;串联电池组的验证结果表明在各种应用场景下估计误差均小于1.43％.提高了电池系统健康状态估计的精度以及在广泛应用场景下的适应性.
文献关键词：
锂离子电池;健康状态估计;健康因子;高斯过程回归;状态估计
中图分类号：
作者姓名：
车云弘;邓忠伟;李佳承;谢翌;胡晓松
作者机构：
重庆大学机械与运载工程学院 重庆 400044;重庆大学机械传动国家重点实验室 重庆 400044
文献出处：
引用格式：
[1]车云弘;邓忠伟;李佳承;谢翌;胡晓松-.基于数据驱动的电池系统泛化SOH估计方法)[J].机械工程学报,2022(24):253-263
A类：
B类：
电池系统,SOH,估计方法,电池健康状态,健康状态估计,锂离子电池安全,通用方法,充放电,健康因子,因子提取,电池组容量,容量衰减,不一致性,特征生成,生成策略,融合特征,双时间尺度,等效电路模型,高斯过程回归,回归算法,高斯核函数,高估,估计精度,数据集验证,应用条件,泛化能力,恒流放电,估计误差,变温,串联电池组,系统健康状态
AB值：
0.310617
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
