典型文献
基于数据-模型驱动的锂离子电池健康状态估计
文献摘要：
本文以容量和能量为电池健康表征参数进行电池健康状态(State of health,SOH)评估方法研究.首先分别采用两种方法进行健康状态估计:一种是直接输入原始电池容量、能量序列,利用灰色预测算法(Metabolic grey algorithm,MGA)对电池容量和能量进行预测;另一种是先输入原始模型参数,利用灰色预测算法对简化电化学-老化模型(Simplified electrochemical model,SEM)参数进行预测,将预测后的参数值代入到模型当中,拟合电池端电压曲线,再通过积分法获取电池的容量和能量.针对两种健康表征参数衰退速度、估计精度等问题,提出基于数据-模型混合驱动的锂离子电池健康状态的综合评估方法,实现电池健康状态的准确估计.
文献关键词：
锂离子电池;健康状态;灰色预测算法;简化电化学-老化模型
中图分类号：
作者姓名：
方德宇;楚潇;刘涛;李俊夫
作者机构：
哈尔滨工业大学(威海)汽车工程学院 威海 264201
文献出处：
引用格式：
[1]方德宇;楚潇;刘涛;李俊夫-.基于数据-模型驱动的锂离子电池健康状态估计)[J].电气工程学报,2022(04):20-31
A类：
B类：
模型驱动,锂离子电池,电池健康状态,健康状态估计,表征参数,State,health,SOH,行健,入原,电池容量,灰色预测算法,Metabolic,grey,algorithm,MGA,老化模型,Simplified,electrochemical,model,参数值,代入,端电压,电压曲线,积分法,衰退速度,估计精度,混合驱动,综合评估方法
AB值：
0.365875
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。
