恒压充电段健康估算法

仅需10秒数据

从电动车充电时最不起眼的恒压阶段，直接读出电池剩余寿命，不需要完整充电曲线。

Guo, Wenchao · 杨林 · 邓忠伟 · Jilin, Li · Bian, Xiaolei

Energy 2023

参数信息

健康估计误差

2.9 %

平均绝对误差

0.8 %

均方根误差

1 %

技术优势

不挑数据质量

在10秒采样间隔下仍能达到2.9%的估计误差，降低了对高采样率的需求。

大幅压缩数据量

通过确定优化的CV段，数据规模和覆盖范围显著减小。

精度足够实用

高斯过程回归模型将MAE控制在0.8%以内，RMSE低于1%。

应用场景

• 电池健康管理：仅用部分恒压充电数据即可快速估计健康状态，无需完整充电过程。
• 锂离子电池：利用恒压充电电流演变与容量的相关性，实现对锂离子电池的健康估计。
• 电池管理系统：可直接集成到BMS中，利用日常充电数据在线更新健康状态。
• 物联网设备：对采样率要求低，适合计算资源受限的物联网设备。