锂离子电池SOH估算模型

仅需部分充电数据

一种仅利用部分恒流充电数据和混合机器学习模型，即可准确估算电池健康状态的方法。

Minxing, Zhang · 汪运

Energy & Fuels 2026

参数信息

平均绝对误差

0.09 %

平均绝对百分比误差

0.10 %

均方根误差

0.11 %

决定系数

0.9997

技术优势

只用部分充电数据

仅从部分恒流充电阶段选取两个健康特征，无需完整的充电曲线，更适应实际使用中截断充电的情况。

精度最高

在NASA、CALCE和Oxford数据集上，MSVR-BiLSTM的MAE低至0.09%，RMSE为0.11%，均优于其他对比方法。

应用场景

• 电池管理系统：嵌入BMS在线估算SOH，无需完整充电数据，减少数据采集成本。
• 电池健康监测：基于部分充电数据即可准确跟踪容量衰减，实现健康状态在线评估。
• 储能系统：为大规模储能电站提供高精度SOH估算，保障系统安全运行。