基于优化支持向量回归算法的锂离子电池可用容量估计

为了解决当前基于数据驱动的锂离子电池可用容量估计算法存在的老化特征提取不准确、可用容量衰退趋势跟踪精度低以及模型参数寻优耗时长等问题,本工作探究了一种基于优化支持向量机回归算法,用来对锂离子电池的可用容量进行准确估算。首先,通过分析锂电池老化数据,提取了电池容量增量曲线峰值以及峰值对应电压作为表征电池老化状态的特征因子,通过皮尔逊相关系数分析了特征因子的合理性;随后,选用麻雀优化算法完成支持向量机回归算法的核函数参数寻优,并基于优化后的支持向量机回归模型实现了电池可用容量的准确估计;最后通过对比不同核参数寻优算法验证了麻雀优化算法在参数寻优方面的先进性,并通过与传统支持向量机、高斯过程回归、长短期记忆网络等算法估计可用容量对比,验证了模型的精确性。结果表明:本工作建立的优化支持向量回归模型,能够有效追踪锂离子电池的衰退轨迹,实现对电池可用容量的准确估计,并且在不同电池上取得了较好的估算结果,可用容量最大估计误差低于2%。

基于改进容量增量分析法的锂电池可用容量估计

针对动力锂电池在使用过程中难以高效准确估计其衰退后可用容量的问题,提出一种不依赖滤波算法的容量增量分析法获取不同型号电池的容量衰退特征,并基于数据驱动的方法搭建可用容量估计模型。首先,分别分析低通滤波与小波滤波在获取容量增量曲线中存在的问题,并对比差分电压值在1、10、20、50 mV时容量增量曲线的形态。其次,采用移动方差算法对不同电压差分值下容量增量曲线的波动性做出评价,确定出峰值特性明显且平滑的容量增量曲线。提取曲线的峰值作为动力锂电池的老化特征,运用斯皮尔曼相关性系数验证老化特征与电池老化状态之间的相关性。然后,引入门控循环单元建立锂电池的可用容量估计模型。最后,将不同老化测试条件下的2类电池老化数据集用于模型验证。研究结果表明:所建立的估计模型能够有效估算锂电池全寿命循环内的可用容量值,2组数据集中测试结果的相对误差除个别值外,多数相对误差值在2%以内;数据组1中,分别选取电池1和电池3测试数据的前50%为训练数据,后50%为测试数据,训练结果绝对误差稳定在0.05 A·h左右,测试结果绝对误差在0.04 A·h左右;对电池2与电池3的全寿命循环可用容量做出估计,结果相对误差稳定在2%左右;数据组2中对电池5、电池6和电池7的全寿命循环可用容量估计结果的相对误差整体亦在2%以内;且模型能够对锂电池循环过程中出现容量再生现象的循环做出4%以内的准确估计,显示出良好的估算精度和泛化能力。