基于ECM和SGPR的高鲁棒性锂离子电池健康状态估计方法

作者：崔显; 陈自强^*

来源：上海交通大学学报, 2023, 1-23.

DOI：10.16183/j.cnki.jsjtu.2022.221

• 锂离子电池
• 健康状态
• 健康因子
• 粒子滤波
• 稀疏高斯过程回归

锂离子电池健康状态（State of Health，SOH）的准确估计对于保障电池系统安全运行具有重要意义。针对传统SOH估计方法在可变工况下失效的问题，该文提出了一种基于等效电路模型和稀疏高斯过程回归的锂离子电池SOH在线估计方法。通过两个在线滤波器，在恒流充电过程中动态地辨识了锂离子电池等效电路模型的各项参数，据此构建工况不敏感的健康因子，结合稀疏高斯过程回归实现了SOH的间接估计。该方法在多种工况下使用统一的信号处理方法和特征映射模型，兼具鲁棒性强和冗余度低的优点。实验结果表明，该方法在多种工况下的平均绝对误差不超过0.94%，均方根误差不超过1.12%。与现有方法相比，该方法在综合性能上具有显著优势。

• 单位
  上海交通大学; 海洋工程国家重点实验室