基于多特征组合的锂离子电池SOH估计OA
准确估计锂离子电池的健康状态(SOH)是保证储能系统安全稳定运行的重要前提。提高SOH估计精度的关键在于合理选择能够反映锂离子电池SOH的健康特征。通过分析锂离子电池恒压充电阶段的电流特性,从恒压充电阶段电流曲线数据中提取了包含电流曲线首末点斜率、标准差和平均值的健康特征组合。为验证所提出特征组合的有效性,设计了基于核岭回归(KRR)和支持向量回归(SVR)的SOH估计模型,并完成了模型验证。实验结果表明,所提特征组合在不同模型下均能实现对SOH的高精度估计,具有良好的模型适应性。
吴涵;黄兴华;乔振东;范元亮;朱俊伟;陈金玉
国网福建省电力有限公司电力科学研究院,福建福州350007 福建省高供电可靠性配电技术企业重点实验室,福建福州350007国网福建省电力有限公司电力科学研究院,福建福州350007 福建省高供电可靠性配电技术企业重点实验室,福建福州350007广东工业大学自动化学院,广东广州510006国网福建省电力有限公司电力科学研究院,福建福州350007 福建省高供电可靠性配电技术企业重点实验室,福建福州350007国网福建省电力有限公司莆田供电公司,福建莆田351199国网福建省电力有限公司电力科学研究院,福建福州350007 福建省高供电可靠性配电技术企业重点实验室,福建福州350007
动力与电气工程
锂离子电池健康状态估计恒压充电阶段核岭回归支持向量回归
《电气传动》 2025 (1)
P.25-32,40,9
国网福建省电力有限公司科技项目(52130422002F)。
评论