锂电池健康状态(state of health,SOH)可表征锂电池的老化状况,准确估算SOH对锂电池可靠运行至关重要。为解决模拟退火算法(simulated annealing,SA)和遗传算法(genetic algorithms,GA)优化的BP神经网络收敛效率低、易陷入局部最优无法...锂电池健康状态(state of health,SOH)可表征锂电池的老化状况,准确估算SOH对锂电池可靠运行至关重要。为解决模拟退火算法(simulated annealing,SA)和遗传算法(genetic algorithms,GA)优化的BP神经网络收敛效率低、易陷入局部最优无法到达全局最优解的问题,提出一种GA-SA-BP神经网络算法来提高SOH估算精度。首先,分析NASA公开数据集数据各个健康因子(health indicator,HI)与SOH相关性,选取与SOH相关性更高的锂电池输出电压、输出电流、容量和等压降放电时间4个HI作为BP神经网络的输入值,以提高SOH估算精度。其次,提出GA-SA-BP神经网络算法来估算SOH,通过在陷入局部最优时跳出局部最优找到全局最优解,以便进一步提高SOH估算精度。最后,NASA锂电池数据集和锂电池实验测试平台取得的结果表明,与传统BP神经网络、GA-BP神经网络和SA-BP神经网络相比,所提方案提高了SOH估算精度,在部分数据缺失的情况下仍具有效性。展开更多
电池管理系统BMS(battery management system)是蓄电池储能技术中不可或缺的环节,而电池健康状态SOH(state of health)估算是BMS的重要功能之一。SOH可以为操作员提供电池实际可用容量及老化状态相关信息,进而为电池控制决策提供参考。...电池管理系统BMS(battery management system)是蓄电池储能技术中不可或缺的环节,而电池健康状态SOH(state of health)估算是BMS的重要功能之一。SOH可以为操作员提供电池实际可用容量及老化状态相关信息,进而为电池控制决策提供参考。介绍了锂电池的SOH的含义,阐述了导致锂电池老化和可用容量下降的原因,并着重对当前常见的蓄电池SOH估算方法进行了概括和分析,同时对各种SOH估算方法中存在的问题进行了探讨。展开更多
锂离子电池健康状态(State of health,SOH)是电池系统安全管理与运维的主要参数之一,准确快速的SOH估计对提高电池应用的安全性有着重要意义。针对目前存在的电池SOH估计速度与精度难以兼顾的问题,提出一种基于改进最小二乘支持向量机(I...锂离子电池健康状态(State of health,SOH)是电池系统安全管理与运维的主要参数之一,准确快速的SOH估计对提高电池应用的安全性有着重要意义。针对目前存在的电池SOH估计速度与精度难以兼顾的问题,提出一种基于改进最小二乘支持向量机(Improved least squares support vector machine,ILS-SVM)的SOH快速准确估计方法。通过对LS-SVM算法设定合适的临界系数,舍弃部分支持向量,削弱边界样本对算法的影响,从而提高了算法的鲁棒性与运行速度,形成改进的LS-SVM算法。通过分析电池电压特性,选取特征电压数据区间进行估计,有效避免电池的完全充放电测量,提高SOH的估计效率。验证结果表明,所提出的电池SOH估计方法估计精度较高,大部分估计误差小于1%,且所提算法相比于改进之前的算法,运行速度提升最高可达20%。展开更多
文摘电池管理系统BMS(battery management system)是蓄电池储能技术中不可或缺的环节,而电池健康状态SOH(state of health)估算是BMS的重要功能之一。SOH可以为操作员提供电池实际可用容量及老化状态相关信息,进而为电池控制决策提供参考。介绍了锂电池的SOH的含义,阐述了导致锂电池老化和可用容量下降的原因,并着重对当前常见的蓄电池SOH估算方法进行了概括和分析,同时对各种SOH估算方法中存在的问题进行了探讨。
文摘锂离子电池健康状态(State of health,SOH)是电池系统安全管理与运维的主要参数之一,准确快速的SOH估计对提高电池应用的安全性有着重要意义。针对目前存在的电池SOH估计速度与精度难以兼顾的问题,提出一种基于改进最小二乘支持向量机(Improved least squares support vector machine,ILS-SVM)的SOH快速准确估计方法。通过对LS-SVM算法设定合适的临界系数,舍弃部分支持向量,削弱边界样本对算法的影响,从而提高了算法的鲁棒性与运行速度,形成改进的LS-SVM算法。通过分析电池电压特性,选取特征电压数据区间进行估计,有效避免电池的完全充放电测量,提高SOH的估计效率。验证结果表明,所提出的电池SOH估计方法估计精度较高,大部分估计误差小于1%,且所提算法相比于改进之前的算法,运行速度提升最高可达20%。
