棱柱形电池退化预测

误差低至1.22%

利用多特征提取与稀疏高斯过程回归，实现对电池容量退化路径的高精度预测。

Chen, Xiang · 邓业林 · Wang, Xingxing · 袁银男

Energy 2024

参数信息

平均最大绝对误差

1.22 %

平均最大绝对误差（第二电池）

2.80 %

平均最大绝对误差（第三电池）

3.57 %

平均最大绝对误差（第四电池）

1.83 %

技术优势

误差做低了

SGPR 模型在 50% 训练数据下，平均最大绝对误差最低 1.22%，比常规 GPR 更准。

少数据也能训

只需 50% 训练数据即可达到高精度，降低数据采集成本。

扛得住工况变化

在 25°C、60°C 和 1C、2C 放电倍率下均验证了预测性能，适应不同使用场景。

应用场景

• 电池寿命预测：用更少的训练数据提前预测容量衰减，及时维护或更换电池。
• 电池管理系统：嵌入 BMS 在线估计剩余寿命，优化电池充放电策略。
• 储能系统健康管理：监控储能电池健康状态，预防意外停机和安全事故。