基于差分热伏安法的锂离子电池SOH诊断

当前基于容量、端电压和内阻等电特性参数的健康状态(state of health,SOH)估算模型在实际使用过程中难以真实反映电池老化状态。老化前后电池产生的热量必然存在差异,而温度也是反映SOH的关键特性参数。采用考虑电池温度的差分热伏安(differential thermal voltammetry,DTV)作为锂离子电池SOH诊断方法。分析和比较了6种电流倍率下电池DTV曲线,选取2 C和4 C倍率研究电池老化过程中的DTV特性,提取DTV峰特征参数分析电池衰退特性。接着分析峰特征参数与SOH的关联性。结果表明,4 C峰峰容量与SOH的线性关系最好,可以用于估算SOH。

基于差分热伏安法的锂离子电池SOH多模型融合估计方法

针对电池老化分析中存在的问题,采用随机森林回归法进行多模型融合。首先,从差分热伏安曲线分析了电池老化过程的关键因素,提取5个健康因子作为一级输入。其次,利用支持向量回归和高斯过程回归模型分别对SOH进行初步预测。最后,利用随机森林模型进行初步融合。为了验证模型的有效性,在牛津电池退化数据集上进行了对比实验。与单模型估计方法相比,该方法在SOH估计中具有更好的精度和更强的鲁棒性,平均MAE和平均RMSE分别为0.46%和0.51%。