基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法

作者：王萍; 彭香园; 程泽^*; 张吉昂

来源：汽车工程, 2022, 44(03): 362-378.

DOI：10.19562/j.chinasae.qcgc.2022.03.007

• 锂离子电池
• 多时间尺度
• 联合估计
• 融合方法

本文提出一种基于数据驱动法（data driven method,DDM）-等效电路模型（equivalent circuit model,ECM）融合的锂离子电池多时间尺度状态联合估计方法。首先提取内阻作为健康特征（health factor,HF），利用最小二乘支持向量机（least squares support vector machine,LSSVM）建立电池老化模型实现健康状态（state of health,SOH）估计；根据阻容参数辨识值和容量估计值建立电池状态空间方程，结合无迹卡尔曼滤波算法（unscented Kalman filter,UKF）进行荷电状态（state of charge,SOC）估计；用高斯过程回归（Gaussian process regression,GPR）对HF随循环次数的变化进行映射，预测HF的变化趋势，并结合LSSVM模型实现长期剩余使用使命（remaining useful life,RUL）预测。实验结果表明，所提方法具有较高精度和鲁棒性。

• 单位
  天津大学