GPR电池SOH估计模型

误差1.5%内

基于部分充电曲线的变异系数特征与改进粒子群优化，实现了高精度且稳健的电池健康状态估计。

He, Ye · Wenyuan, Bai · Wang, Lulu · 吴红斌 · Ming, Ding

Journal of Energy Storage 2024

参数信息

SOH估计误差

1.5 %

技术优势

误差小于1.5%

在NASA电池数据集上验证，估计误差保持在1.5%以内。

适应不同样本量

在不同训练样本量下均能保持高精度。

提取高效特征

从部分充电曲线提取变异系数特征，作为健康指标，有效反映电池老化现象。

优化模型参数

采用带变异因子和自适应权重调整的改进粒子群优化算法，解决GPR模型参数选择问题。

应用场景

• 电池管理系统：为BMS提供实时准确的SOH估计，保障电池系统稳定运行。
• 电池健康监测：利用充电曲线特征有效反映电池老化，实现健康状态监测。
• 电池储能系统：帮助储能系统精确掌握电池健康，优化维护策略。
• 电池状态估计：提供高精度SOH估计，支撑电池状态评估。