锂电SOH估计特征选择法

该方法集成阻抗有效性评估与相关性分析，滤除无效和无关特征，提升电池健康状态估计的鲁棒性和准确性。

Du, Xinghao · 孟锦豪 · Amirat, Yassine · Gao, Fei · Benbouzid, Mohamed

Journal of Energy Chemistry 2025

技术优势

不怕阻抗波动

结合阻抗有效性评估与相关性分析，过滤无效和无关特征，从而提升估计鲁棒性。

自动调参省心

XGBoost模型超参数由遗传算法优化，无需手动调参即可获得良好泛化能力。

应用场景

• 电池健康管理：提供更可靠的SOH估计输入，支撑电池健康评估与寿命管理。
• 电动汽车电池：在运行条件下过滤阻抗数据噪声，提升车载SOH监测精度。
• 电池管理系统：作为特征优化模块集成，增强BMS的SOH估计鲁棒性。