BKA-FSVR健康估计算法

误差最小

在局部恒流充电区间重构特征，用黑翅鸢算法优化的融合支持向量回归模型，实现最低的估计误差。

Yechen, Wang · 张向文 · Deqi, Chen · 杨建刚

Energy 2025

参数信息

MAPE

0.64649 %

MAE

0.56558 %

RMSE

0.75560 %

技术优势

精度比传统算法更高

在实验室和公开数据集上误差均低于传统算法，验证了方法的有效性。

只需部分充电数据

从局部恒流充电区间提取特征，无需完整充电曲线，更适合实际应用场景。

应用场景

• 锂电池健康管理：不依赖完整充放电曲线，在真实充电片段即可准确估SOH，便于部署到健康管理系统。
• 电池管理系统：算法只需局部恒流充电特征，可嵌入BMS实现实时、高精度SOH监测。
• 储能系统运维：利用运行中可获取的部分充电数据即可估计健康状态，为储能系统运维提供状态参考。