典型文献
基于ICA和Box-Cox变换的锂离子电池SOH估计方法
文献摘要：
对锂离子电池的健康状态SOH(state of health)进行准确估计是锂离子电池安全稳定运行的重要保障,提出了一种基于容量增量分析ICA(incremental capacity analysis)和Box-Cox变换的锂离子电池SOH估计方法.首先,将电池恒流充电过程的IC曲线峰值高度ICP(peak of incremental capacity curve)作为健康特征HF(health factor),数学推导出ICP与健康状态的强相关性.结合卡尔曼滤波算法提取光滑的容量增量曲线.将电池容量衰退过程的前部分周期作为训练周期,通过Box-Cox变换将训练周期的ICP和SOH序列变换成线性关系,然后通过线性拟合来实现剩余周期的SOH估计.在Oxford和NASA数据集上进行实验验证,并与机器学习算法进行对比,结果表明所提方法具有较高的估计精度、较短的计算时间和较强的鲁棒性.
文献关键词：
健康状态估计;容量增量分析;Box-Cox变换;线性模型
中图分类号：
作者姓名：
张吉昂;王萍;程泽
作者机构：
天津大学电气自动化与信息工程学院,天津 300072
文献出处：
引用格式：
[1]张吉昂;王萍;程泽-.基于ICA和Box-Cox变换的锂离子电池SOH估计方法)[J].电力系统及其自动化学报,2022(02):9-15
A类：
B类：
ICA,Box,Cox,SOH,估计方法,state,health,锂离子电池安全,安全稳定运行,容量增量分析,incremental,capacity,analysis,恒流充电,充电过程,曲线峰值,ICP,peak,curve,HF,数学推导,强相关性,卡尔曼滤波算法,容量增量曲线,电池容量,容量衰退,退过,前部,训练周期,换成,线性拟合,Oxford,NASA,机器学习算法,估计精度,计算时间,健康状态估计,线性模型
AB值：
0.382862
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。
