基于***的锂离子动力电池SOH预测

作     者：田慧欣 秦鹏亮 李坤 王红一 TIAN Hui-xin;QIN Peng-liang;LI Kun;WANG Hong-yi

作者机构：天津工业大学电气工程与自动化学院天津300387 天津工业大学电工电能新技术天津重点实验室天津300387 天津工业大学经济与管理学院天津300387 

基　　金：国家自然科学基金项目(71602143,51806150,62073067) 天津科技特派员项目(18JCTPJC62600) 天津市自然科学基金项目(18JCYBJC22000,18JCQNJC04400) 天津市高等学校创新团队培养计划项目(TD13-5038) 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2021年第36卷第3期

页      码：686-692页

摘      要：锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SOH预测模型.考虑到增量学习中的耗时性问题,提出融合滑动窗口技术的HI-DD算法,该算法可以检测概念漂移是否发生,从而指导和确定模型更新位置;设计出HI-DD与***结合的模型更新策略,进而提高模型的在线学习性能和预测精度,最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证.结果表明,基于增量学习的***预测算法具有较强的在线更新能力和较高的预测精度,能够满足SOH在线预测的实际需求.

主 题 词：锂离子动力电池 SOH 增量学习 HI-DD 概念漂移 AdaBoost.RT 

学科分类：0820[工学-航空航天类] 080802[080802] 0808[工学-自动化类] 08[工学] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13195/j.kzyjc.2019.0764

馆 藏 号：203102100...