首页|基于粒子群算法估计实际工况下锂电池SOH

基于粒子群算法估计实际工况下锂电池SOH

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出一种基于粒子群算法和锂电池经验容量模型的对电池实际工况下的健康状态进行估计的新方法.建立了电动汽车实际运行工况下充电曲线特征与电池健康度的线性模型.辅以电池经验容量模型,使之符合监督学习的实际情况并能够用计算机对参数进行拟合.以美国航天航空局电池老化数据建立训练集与验证集,对模型进行训练,并对训练好的模型进行实验验证.实验表明SOH估计误差都在7％以下,在实际工况中能够快速对电动汽车锂电池的健康度进行准确估计.
Estimation of Lithium Battery SOH Under Actual Operating Conditions Based on Particle Swarm Optimization

南金瑞、孙路

展开 >

北京理工大学电动车辆协同中心,北京100081

北京理工大学机械与车辆学院,北京100081

粒子群算法 实际工况 健康度

中国国家重点计划项目上海汽车工业技术发展基金会基金资助项目

2017YFB01038011620

2021

10.15918/j.tbit 1001-0645.2019.211

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(1)
  • 7
  • 3