基于差分热伏安法和高斯过程回归的锂离子电池健康状态估计

作者：朱浩然; 陈自强^*; 杨德庆

来源：上海交通大学学报, 2023, 1-16.

DOI：10.16183/j.cnki.jsjtu.2023.141

• 锂离子电池
• 健康状态估计
• 差分热伏安法
• 高斯过程回归

锂离子电池在工作过程中将发生容量衰退甚至恶化等现象，实现电池健康状态的有效估计是电池管理系统发展的关键挑战。该文提出了一种数据驱动模型与特征参数相融合的锂离子电池健康状态（State of Health， SOH）估计方法，使用差分热伏安法（Differential Thermal Voltammetry， DTV）对锂离子电池实验数据进行预处理，提取六个有用的特征，建立以不同核函数的两步高斯过程回归（Gaussian Process Regression， GPR）为核心的SOH估计模型。结果表明，建立的模型能够更好地逼近实验值的同时缩短了训练和预测时间，SOH估计的平均绝对误差在0.67%～0.97%，相比单步GPR降低20%～30%。因此，该模型对锂离子电池健康状态的估计有较高的鲁棒性和准确性。

• 单位
  上海交通大学; 海洋工程国家重点实验室