会议专题

基于增量容量曲线分析的锂电池健康状态估计

  电池健康状态(State of health,SOH)估计是电池健康管理的核心。基于准确的电池健康状态估计能够有效地评估锂离子电池的剩余寿命与运行状态,从而确保电池系统的健康高效运行。本文提出了一种基于增量容量(Incremental Capacity,IC)曲线分析与高斯过程回归(Gaussian Process Regression,GPR)模型的 SOH 估计方法。该方法首先基于电池老化过程中IC曲线变化特征的分析,提取其峰值高度及峰值电压作为电池的老化特征。进一步,利用皮尔逊相关系数衡量所提老化特征与电池实际容量的线性相关性。然后,将GPR模型用于学习老化特征与SOH之间的关系以预测电池的健康状态。最终,基于NASA锂离子电池循环老化数据集将所提方法与不同输入的线性回归模型实验结果进行了对比分析,并在不同初始老化等级下测试了所提方法的适用性,实验结果验证了所述方法的有效性与准确性。

锂离子电池 健康状态估计 增量容量曲线 高斯过程回归模型

周才杰 陈宗海 汪玉洁

中国科学技术大学自动化系,安徽合肥,中国,230027

国内会议

第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)

合肥

中文

293-299

2021-07-01(万方平台首次上网日期,不代表论文的发表时间)