基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法 |
| |
引用本文: | 王萍,彭香园,程泽,张吉昂.基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法[J].汽车工程,2022(3):362-371+378. |
| |
作者姓名: | 王萍 彭香园 程泽 张吉昂 |
| |
作者单位: | 天津大学电气自动化与信息工程学院 |
| |
基金项目: | 国家自然科学基金(61873180)资助; |
| |
摘 要: | 本文提出一种基于数据驱动法(data driven method,DDM)-等效电路模型(equivalent circuit model,ECM)融合的锂离子电池多时间尺度状态联合估计方法。首先提取内阻作为健康特征(health factor,HF),利用最小二乘支持向量机(least squares support vector machine,LSSVM)建立电池老化模型实现健康状态(state of health,SOH)估计;根据阻容参数辨识值和容量估计值建立电池状态空间方程,结合无迹卡尔曼滤波算法(unscented Kalman filter,UKF)进行荷电状态(state of charge,SOC)估计;用高斯过程回归(Gaussian process regression,GPR)对HF随循环次数的变化进行映射,预测HF的变化趋势,并结合LSSVM模型实现长期剩余使用使命(remaining useful life,RUL)预测。实验结果表明,所提方法具有较高精度和鲁棒性。
|
关 键 词: | 锂离子电池 多时间尺度 联合估计 融合方法 |
|
|