典型文献
基于K近邻回归的锂离子电池健康状态估计
文献摘要：
锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考.从三元锂离子电池充电过程中的容量增量曲线上提取表征三元锂离子电池的健康状态参数,然后利用K近邻算法对三元锂离子电池的健康状态进行估计.利用K近邻回归的机器学习方法拟合了电池衰退轨迹,基于K近邻的电池SOH估计的决定系数R2>0.98.
文献关键词：
锂离子电池;机器学习;健康状态估计;充电容量增量曲线;K近邻回归
中图分类号：
作者姓名：
孙广明;贾新羽;陈良亮
作者机构：
南瑞集团(国网电力科学研究院)有限公司,江苏南京211106;国电南瑞科技股份有限公司,江苏南京211106;北京交通大学国家能源主动配电网研究中心,北京100044
文献出处：
引用格式：
[1]孙广明;贾新羽;陈良亮-.基于K近邻回归的锂离子电池健康状态估计)[J].电源技术,2022(08):872-875
A类：
充电容量增量曲线
B类：
近邻回归,电池健康状态,健康状态估计,池内,鼓包,短路,电池充电,充电过程,充电管理,三元锂离子电池,提取表征,状态参数,近邻算法,机器学习方法,电池衰退,衰退轨迹,SOH,决定系数
AB值：
0.240434
相似文献
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。
