本文旨在综述机器学习方法在锂离子电池状态(包括荷电状态、健康状态和剩余可用寿命)估计领域的研究进展。首先,阐述机器学习方法在电池状态估计中的应用现状。然后,归纳电池状态估计机器学习方法的5个具体实施环节,即数据准备、模型选择与评价、超参数确定、数据预处理和模型训练,并提出了融合精度、实施成本和鲁棒性的学习算法评价方法。最后指出超参数确定方法仍存在的场景适应性问题,并建议建立多区域、跨季节、多模式和长时间的车用电池工况数据库,促进电池状态估计机器学习算法的实用性和普适性等方面的研究。
科研之友
微信
新浪微博
Facebook
分享链接
