典型文献
基于XGBoost算法的锂离子电池健康状态估算
文献摘要：
由于锂离子电池内部电化学反应的复杂性以及外部工作环境的不确定性,难以对电池SOH(健康状态)进行准确估算.为了提高SOH的估算精度,提出一种基于XGBoost算法的锂离子电池健康状态估算方法.首先,利用Matplotlib对锂离子电池数据进行分析,并提取平均电压、电压差、电流差和温度差等特征量来描述电池的老化过程.然后,利用XGBoost算法建立估算模型,对电池SOH进行智能估算.实验结果表明:与线性回归、随机森林、支持向量机、K近邻算法这4种回归算法相比,所提方法的估算精度和泛化能力更优,并且可将估算误差控制在±0.4％左右.
文献关键词：
锂离子电池;特征提取;健康状态估算;XGBoost算法
中图分类号：
作者姓名：
费陈;赵亮;王云恪;王树泉
作者机构：
武警士官学校 基础部,杭州 311400
文献出处：
引用格式：
[1]费陈;赵亮;王云恪;王树泉-.基于XGBoost算法的锂离子电池健康状态估算)[J].浙江电力,2022(05):14-21
A类：
B类：
XGBoost,锂离子电池,电池健康状态,健康状态估算,池内,电化学反应,SOH,估算精度,估算方法,Matplotlib,取平,平均电压,电压差,电流差,温度差,特征量,老化过程,估算模型,智能估算,近邻算法,回归算法,泛化能力,误差控制
AB值：
0.316582
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。
