用新陈代谢极限学习机实现电池健康状态估算

作者：陈琳; 王惠民; 李熠婧; 张沫; 黄江; 潘海鸿^*

来源：汽车工程, 2021, 43(01): 10-18.

DOI：10.19562/j.chinasae.qcgc.2021.01.002

• 锂离子电池
• 健康状态
• 极限学习机
• 退化状态模型
• 新陈代谢机制

针对因电池内部电化学反应的复杂性、算法泛化性差或可用已知数据量少导致的锂离子电池SOH估算精度下降的问题,提出使用极限学习机(ELM)构建强泛化性电池退化状态模型来描述不同电池的共性退化规律;引入新陈代谢机制来更新退化状态模型的输入数据进而实现对SOH的新陈代谢估算,在保证估算精度的同时降低对输入数据量的需求。利用两种不同材料电池在不同工况下所测数据对所提出方法进行验证,结果表明该方法能在仅用4个数据样本的情况下准确估算电池SOH,估算误差不超过2.18%。

• 单位
  广西大学