查看更多>>摘要:锂离子电池性能会随着时间推移而逐渐下降,实时预测电池的健康状态(State of health,SOH)至关重要。本文提出一种融合间接健康指标和集成高斯过程回归(Ensemble Gaussian process regression,EGPR)的锂离子电池SOH预测模型。首先,通过分析放电过程中电压和温度的变化提炼出能够反应电池退化过程的6个间接健康因子。其次,利用塘鹅优化算法(Gannet optimization algorithm,GOA)对EGPR模型中的参数进行优化并估计SOH。最后,该预测模型在多种实验场景下进行了测试和比较。针对NASA锂电池数据集的仿真实验表明,该方法具有较高的预测精度和泛化能力,均方根误差保持在0。20%以内,平均绝对误差低于0。16%。