典型文献
基于TWP-SVR的锂离子电池健康状态估计
文献摘要：
健康状态(state of health,SOH)是评估锂离子电池老化程度和剩余使用寿命的重要指标.然而,SOH无法通过直接测量获得,本工作提出了一种基于时间规整图(time warp profile,TWP)提取间接健康特征参数,使用支持向量机回归(vector machine regression,SVR)模型估计SOH的方法.首先,通过TWP将锂离子电池不同循环充放电压曲线转换为相位差异曲线.然后,从相位差异曲线中提取出4个间接健康特征.接着,采用线性核函数的SVR模型估计SOH.最后,以美国航空航天局(National Aeronautics and Space Administration,NASA)、美国保险商实验室公司和普渡大学(Underwriters Laboratories Inc.-Purdue University,UL-PUR)的开源数据集和储能电站实测数据进行验证.其中,储能电站数据实验结果表明,TWP-SVR模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)的样本标准差(sample standard deviation,SSD)小于0.0015,四分位距(inter-quartile range,IQR)小于0.0022;平均绝对百分比误差(mean absolute percentage error,MAPE)的SSD和IQR分别为0.0152和0.0220,表明所提TWP-SVR方法保持较高准确性的同时具有良好的稳定性.
文献关键词：
锂离子电池;健康状态;时间规整图;支持向量机回归
中图分类号：
作者姓名：
韦荣阳;毛阗;高晗;彭建仁;杨健
作者机构：
浙江大学能源工程学院化工机械研究所,浙江 杭州 310013;浙江大学建筑设计研究院有限公司,浙江 杭州 310027
文献出处：
引用格式：
[1]韦荣阳;毛阗;高晗;彭建仁;杨健-.基于TWP-SVR的锂离子电池健康状态估计)[J].储能科学与技术,2022(08):2585-2599
A类：
时间规整图,Underwriters
B类：
TWP,SVR,锂离子电池,电池健康状态,健康状态估计,state,health,SOH,电池老化,老化程度,剩余使用寿命,直接测量,warp,profile,支持向量机回归,vector,machine,regression,模型估计,循环充放电,电压曲线,相位差,线性核函数,美国航空航天局,National,Aeronautics,Space,Administration,NASA,保险商,普渡大学,Laboratories,Inc,Purdue,University,UL,PUR,开源数据集,储能电站,root,mean,square,error,RMSE,平均绝对误差,absolute,MAE,sample,standard,deviation,SSD,四分,inter,quartile,range,IQR,平均绝对百分比误差,percentage,MAPE
AB值：
0.430215
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。
