锂离子电池的健康状态(state of health,SOH)是保障电动汽车安全可靠运行的关键因素.现有的SOH估计方法通常忽略容量衰退过程中能够表征电池老化的温度信息.鉴于此,本文中提出一种基于电池表面温度的差分温度伏安(differential temperature voltammetry,DTV)曲线的获取方法和一种滑动平均(moving average,MA)与卡尔曼滤波(Kalman filtering,KF)结合的滤波方法以提取健康特征.同时利用组合核函数改进了传统高斯过程回归(Gaussian process regression,GPR)算法以拟合电池容量全局衰退和局部波动这两种趋势,从而建立DTV-IGPR电池老化模型进行SOH估计.在两种不同环境温度下获取的牛津数据集和NASA数据集中进行单电池和多电池验证,结果均表明,所提方法具有较高的SOH估计精度和鲁棒性.
SOH Estimation Method for Lithium-ion Batteries Based on DTV-IGPR Model
NETL
NSTL
万方数据
维普
