基于DOD-LN-GPR模型的锂离子电池SOH估计方法

作     者：黄佳茵 白俊琦 贤燕华 Huang Jiayin;Bai Junqi;Xian Yanhua

作者机构：广西师范大学电子与信息工程学院/集成电路学院桂林541006 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2025年第46卷第2期

页      面：60-69页

核心收录：

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

基　　金：国家自然科学基金(6197022931) 

主　　题：锂离子电池 状态估计 电池管理系统 高斯过程回归 放电深度 

摘      要：针对锂离子电池健康状态(SOH)的估计中预测精度不高、健康特征输入冗余、数据预处理繁琐的问题,提出一种基于放电深度(DOD)的改进高斯过程回归SOH预测模型。在锂离子电池的放电曲线中,计算出锂离子电池的放电深度,并将其作为唯一的健康特征。同时改进传统的高斯过程回归(GPR)算法,利用线性(LIN)和神经网络(NN)的组合核函数(LIN+NN)拟合锂离子电池容量全局衰退和局部波动的趋势,从而建立DOD-LN-GPR锂离子电池SOH估计模型。在NASA数据集中,首先进行不同核函数的实验比对,验证所提组合核函数预测精度的优势;其次,通过减小训练集与测试集比例,证明所提估计方法在少量训练样本上仍能有较好的预测效果;最后,将所提DOD-LN-GPR模型在不同训练集下与其他SOH估计模型进行对比,结果表明该模型具有较好的精度和鲁棒性。