基于随机充电片段的锂电池健康状态估计方法
作者机构：北京信息科技大学机电工程学院 新能源汽车北京实验室
出 版 物：《电源学报》 (Journal of Power Supply)
年 卷 期：2024年
基 金：基于频繁模式挖掘和概念漂移的新型动力电池检测机制研究(52077007)
摘 要：锂电池健康状态（State of Health，SOH）估计在电动汽车的电池管理系统中承担着至关重要的作用，当前大部分SOH估计方法往往需要较长时间的充放电数据，实时性较差。针对该问题，本文提出一种基于随机充电片段的SOH估计方法，该方法先从恒流充电过程中不同电压区间提取健康指标，接着对提取的健康指标与SOH进行相关性分析，然后将这些指标作为输入来训练经过粒子群优化算法（PSO）优化过的BP神经网络，通过随机充电片段提取的特征就能估计电池SOH。通过NASA数据集和Oxford数据集进行验证，结果表明在使用本文提出的健康指标的PSO-BP神经网络模型具有较高的估计精度。
同方期刊数据库