INRBO-SVR-AdaBoost估计模型

误差低于0.89%

该模型将改进的Newton-Raphson优化器与SVR和AdaBoost集成，能够高精度估计锂电池健康状态，误差显著低于现有方法。

Ni, Yulong · Song K. · 裴磊 · 李晓宇 · 王天鸶 · He, Zhang · 朱春波 · Xu, Jianing

Applied Energy 2025

参数信息

均方根误差

0.89 %

平均绝对误差

0.75 %

拐点识别误差

46 cycles

拐点识别准确率

90 %

技术优势

估计更准

通过改进NRBO优化SVR参数，并用AdaBoost集成，降低了SOH估计误差。

拐点找得准

基于经验模型和最大垂直距离法，拐点识别误差在46个循环以内，精度至少90%。

应用场景

• 电池健康管理：提供高精度SOH估计和拐点识别，指导电池寿命预测和退役管理。
• 储能系统运维：实时监测电池健康状态，优化储能系统的运维和退役决策。
• 电池管理系统：嵌入电池管理系统，实现在线SOH估计和拐点预警。