摘要
动力电池作为电动汽车的重要组成部分,如何对动力电池状态(SOX)进行准确估计,延长汽车续驶里程和使用寿命,提高电池安全性已成为一项关键技术。对电动汽车动力电池状态估计的常用方法进行了综述,详细总结了神经网络、支持向量机、高斯过程回归、遗传算法等数据驱动方法在电池SOC、SOE、SOP、SOH、SOT估计的应用及效果,并对数据驱动方法在电池状态估计方面的发展趋势进行了展望。
Power battery as an important part of electric vehicles,how to accurately estimate the vehicle power battery status(SOX),extend the mileage and service life,and improve the battery safety has become a key technology.With the development of Internet of vehicles and big data technology,more and more data-driven methods are used for accurate estimation of power battery SOX.This paper summarizes the application of data-driven methods such as neural network,support vector machine,Gaussian process regression and genetic algorithm in battery SOC,SOE,SOP,SOH and SOT estimation,and prospects the development of data-driven methods in battery SOX estimation.
作者
姜华强
潘垂宇
李学达
许楠
Jiang Huaqiang;Pan Chuiyu;Li Xueda;Xu Nan(State Key Laboratory of Automotive Simulation and Control,Jilin University,Changchun 130022;New Energy Vehicle Development Institute,China FAW Corporation Limited,Changchun 130013)
出处
《汽车文摘》
2022年第11期26-35,共10页
Automotive Digest
基金
国家自然科学基金项目(52172365)。
作者简介
姜华强(1998-),男,吉林大学,在读硕士研究生,研究方向为节能与新能源汽车技术。E-mail:jianghq98@163.com;潘垂宇(1984-),男,中国第一汽车股份有限公司新能源开发院电池研究所,硕士,研究方向电池大数据分析。E-mail:panchuiyu@faw.com.cn;李学达(1995-),男,中国第一汽车股份有限公司新能源开发院电池研究所,硕士,研究方向电池大数据分析。E-mail:lixueda@faw.com.cn;通讯作者:许楠(1984-),男,吉林大学,教授,研究方向:节能与新能源汽车技术。E-mail:nanxu@jlu.edu.cn。
