文档名：HELM实现锂离子电池SOH在线估算
摘要：锂离子电池的健康状态(SOH)估算对电动汽车的稳定安全运行十分重要,是提前预知电池寿命保障系统正常运行,避免灾难性事故发生的关键之一.针对目前健康因子(HI)构建复杂以及现有SOH估算方法模型参数多且复杂、耗时长等问题,提出了利用可直接测量的电池恒流充电时间和放电电压样本熵作为HIs表征电池的容量退化,降低HI构建的复杂度.引入分层极限学习机(HELM)模型建立SOH在线估算框架,以所构建的两种新HIs作为输入,离线训练HELM电池退化模型实现SOH在线估算.采用美国宇航局(NASA)、牛津大学(Oxford)公开数据集与自测数据集验证所提出的HELM框架对三元锂电池和钴酸锂电池SOH估算的有效性.训练样本和估算样本在相同温度条件下,最大绝对误差不超过1.05％,SOH估算精度较高;当温度条件和电池类型不同时,最大绝对误差不超过2.1％,表明该SOH估算框架具有较好的泛化性与迁移性.
作者：冯喆 吴淑孝 陈德乾 赵铭思 陈琳Author：FENGZhe WUShuxiao CHENDeqian ZHAOMingsi CHENLin
作者单位：广西大学机械工程学院,广西南宁530004
刊名：电源技术 ISTICPKU
Journal：ChineseJournalofPowerSources
年，卷(期)：2023, 47(5)
分类号：TM912
关键词：锂离子电池 健康因子 分层极限学习机 健康状态
机标分类号：TP391.41U469.72TM912
在线出版日期：2023年6月2日
基金项目：国家自然科学基金，国家自然科学基金HELM实现锂离子电池SOH在线估算[
期刊论文] 电源技术--2023, 47(5)冯喆 吴淑孝 陈德乾 赵铭思 陈琳锂离子电池的健康状态(SOH)估算对电动汽车的稳定安全运行十分重要,是提前预知电池寿命保障系统正常运行,避免灾难性事故发生的关键之一.针对目前健康因子(HI)构建复杂以及现有SOH估算方法模型参数多且复杂、耗时长等问题...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
HELM实现锂离子电池SOH在线估算 Estimating lithium ion battery SOH online with hierarchical extreme learning machine
HELM实现锂离子电池SOH在线估算.pdf
|
