面向锂电池少量循环的二维支持域直推式健康状态预测
王一航
冯良骏
赵春晖
浙江大学控制科学与工程学院,浙江杭州 310027
摘要：锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标,但由于电池老化的非线性和不确定性使得SOH难以精确估计,并且受到电池数据收集的高时间成本和容量再生现象的影响,传统的数据驱动方法在历史充放电循环数较少时效果较差.针对上述问题,本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法,用于少量充放电循环下的SOH预测.一方面,考虑同型号多块电池的批次特性,利用历史数据和批次数据构造二维支持域扩充模型信息来源,提供了粗范围的大量可供选择的样本;另一方面,首次尝试以直推式学习的方式解决SOH预测的任务,利用离线和在线样本特征空间的信息,对每个样本进行细致划分,提升少量充放电循环情况下模型的预测可靠性.基于NASA的公开数据集,所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56％,实现了对锂电池充放电历史初期及再生点的精确预测.
关键词：锂电池健康状态少量充放电循环二维支持域直推式学习
论文发表日期：2024-03-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 474-483 )
英文信息