典型文献
基于数据驱动的动力电池健康状态评估平台
文献摘要：
随着新能源汽车迅速发展普及,对动力电池健康状态进行准确评估成为了一个亟待解决的问题.针对这一问题,本文以轻量梯度提升机(light gradient boosting machine,LightGBM)为基础,采集数据处理特征并进行训练,最终构建了一个动力电池健康状态评估平台.首先,依据相关工作,在原始数据中提取了6个特征工程——放电电压的最小值的时间、负载电压的75百分位、放电电压平均值、放电负载电压的25百分位、放电电压的25百分位和放电电压的标准差.其次通过引入直方图算法、单边梯度采样算法和斥特征捆绑算法,对数据进行进一步处理,以减少平台的内存消耗与计算代价.最后采用NASA艾姆斯卓越预测中心的数据,对平台功能进行验证并与相似工作进行对比,结果表明该平台可以提供良好的预测精度(均方根误差仅0.0103).该平台对动力电池SOH预测方法的发展具有积极的影响,具有巨大的实际运用潜力.
文献关键词：
动力电池;电池健康状态;评价平台;LightGBM模型
中图分类号：
作者姓名：
常泽宇;张之琦;张晓东;李丽;郁亚娟
作者机构：
北京理工大学材料学院能源与环境材料系,北京 100081
文献出处：
引用格式：
[1]常泽宇;张之琦;张晓东;李丽;郁亚娟-.基于数据驱动的动力电池健康状态评估平台)[J].储能科学与技术,2022(06):1847-1853
A类：
艾姆斯
B类：
动力电池,电池健康状态,健康状态评估,新能源汽车,估成,轻量梯度提升机,light,gradient,boosting,machine,LightGBM,采集数据,原始数据,特征工程,放电电压,最小值,负载电压,百分位,压平,入直,直方图,单边,采样算法,捆绑,NASA,平台功能,SOH,实际运用,评价平台
AB值：
0.352435
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。
