基于非线性降维IC特征的实车电池SOH估计

作     者：陈吉清 李子涵 兰凤崇 蒋心平 潘威 陈继开 Chen Jiqing;Li Zihan;Lan Fengchong;Jiang Xinping;Pan Wei;Chen Jikai

作者机构：华南理工大学机械与汽车工程学院广州510640 华南理工大学广东省汽车工程重点实验室广州510640 

出 版 物：《汽车工程》 (Automotive Engineering)

年 卷 期：2023年第45卷第2期

页      面：199-208页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：动力电池 SOH估计 非线性降维 机器学习 

摘      要：基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。