SHAP-ASO-LightGBM SOC估算模型

SOC估算误差3.3%

融合EIS特征选择与优化的轻量级梯度提升模型，实现大容量磷酸铁锂电池的高精度荷电状态估算。

Hu, Panpan · Li, Chunyin · Chi-Chung, Lee

Batteries 2025

参数信息

均方根误差

3.3 %

平均绝对误差

1.86 %

决定系数

0.99

技术优势

误差更低

相比LSTM和DNN，RMSE降低到3.3%，MAE降低到1.86%。

适应大容量电池

在104 Ah磷酸铁锂电池上验证，覆盖大容量电池场景，弥补现有研究空白。

特征自动优选

利用SHAP从EIS数据中提取特征，无需手动设计特征。

应用场景

• 电动汽车电池管理：为电动汽车BMS提供高精度SOC估算，提升续航预测准确性。
• 储能系统监控：用于储能系统电池状态实时监测，保障安全与效率。
• 便携设备电源管理：在便携设备中实现精确电量指示，延长电池使用寿命。