基于K近邻回归的锂离子电池健康状态估计OA北大核心CSTPCD
State of health estimation of lithium-ion battery based on K nearest neighbour regression and IC curve
锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考.从三元锂离子电池充电过程中的容量增量曲线上提取表征三元锂离子电池的健康状态参数,然后利用K近邻算法对三元锂离子电池的健康状态进行估计.利用K近邻回归的机器学习方法拟合了电池衰退轨迹,基于K近邻的电池SOH估计的决定系数R2>0.98.
孙广明;贾新羽;陈良亮
南瑞集团(国网电力科学研究院)有限公司,江苏南京211106国电南瑞科技股份有限公司,江苏南京211106北京交通大学国家能源主动配电网研究中心,北京100044
信息技术与安全科学
锂离子电池机器学习健康状态估计充电容量增量曲线K近邻回归
《电源技术》 2022 (8)
872-875,4
国家重点研发计划科技助力经济2020重点专项(2020YFB0100300ZL)
评论