基于相似性优化模型样本的实车锂电池健康状态分析

摘要：

为更好地解决电动汽车动力电池健康状态（SOH）在线估计问题，减少实车采集数据中的冗余样本，改善运行工况不稳定导致的特征丢失，提升实车电池SOH估计的精度，提出一种基于增量容量分析方法（ICA）提取特征和动态时间规整（DTW）优化特征样本的SOH估计方法。首先对实车电池充电循环数据应用增量容量分析提取电池IC曲线，以曲线峰高度等形状特征作为健康因子。采用动态时间规整作相似性判据，基于IC曲线形状计算电池充电循环样本的相似度，保留与基准充电循环相似的充电循环数据，优化训练样本，最后采用全连接神经网络（MLP）模型进行SOH估计。以实车运行电池数据进行对比实验，结果表明该方法可明显改善训练样本质量，提升电池SOH估计精度。

引用本文

刘万里,李子涵,梁宏毅,陈吉清,莫丙达. 基于相似性优化模型样本的实车锂电池健康状态分析[J]. 汽车工程, 2024, 46(3): 489-497.

Wanli Liu,Zihan Li,Hongyi Liang,Jiqing Chen,Bingda Mo. Real Vehicle Battery Health State Estimation Based on Similarity Optimization Model Samples[J]. Automotive Engineering, 2024, 46(3): 489-497.

使用本文

相关知识

基于电化学模型的锂离子电池健康状态估算
车用锂电池健康状态下快充方法研究综述
电动汽车锂离子动力电池健康状态估计方法研究.pdf
基于动态工况模型误差特征的动力电池健康状态估计方法
基于新健康因子的锂电池健康状态估计和剩余寿命预测
=退役锂离子电池健康状态评估方法【钜大锂电】
电池健康状态深入解析与优化策略
界面优化提高锂离子电池性能及锂离子电池产业化过程技术研究
锂离子电池安全状态评估研究进展
基于实车行驶数据的某型号纯电动汽车健康状态模型研究

网址: 基于相似性优化模型样本的实车锂电池健康状态分析 https://www.trfsz.com/newsview1275753.html