基于数据-模型驱动的锂离子电池健康状态估计

本文以容量和能量为电池健康表征参数进行电池健康状态(State of health,SOH)评估方法研究。首先分别采用两种方法进行健康状态估计:一种是直接输入原始电池容量、能量序列,利用灰色预测算法(Metabolic grey algorithm,MGA)对电池容量和能量进行预测;另一种是先输入原始模型参数,利用灰色预测算法对简化电化学-老化模型(Simplifiedelectrochemical model,SEM)参数进行预测,将预测后的参数值代入到模型当中,拟合电池端电压曲线,再通过积分法获取电池的容量和能量。针对两种健康表征参数衰退速度、估计精度等问题,提出基于数据-模型混合驱动的锂离子电池健康状态的综合评估方法,实现电池健康状态的准确估计。