-
题名采用粒子群优化和高斯回归实现电池SOH估计
被引量：2
- 1
-
-
作者
陈琳
刘博豪
丁云辉
吴淑孝
冯喆
潘海鸿
-
机构
广西大学机械工程学院
-
出处
《汽车工程》
EI
CSCD
北大核心
2021年第10期1472-1478,共7页
-
基金
国家自然科学基金(52067003,51667006)资助。
-
文摘
为准确估算锂离子电池非线性退化过程中的健康状态(SOH),提出融合自适应变异粒子群优化器和高斯过程回归的AMPSOGPR算法。首先提取欧姆内阻增量和电压样本熵作为电池退化表征量,然后引入自适应变异粒子群(AMPSO)优化高斯过程回归(GPR)核函数的超参数,构建基于AMPSOGPR的SOH估算框架,用提取的退化表征量实现SOH估算;最后,通过对比AMPSOGPR采用不同核函数时SOH估算结果,得到最优核函数。实验结果表明,AMPSOGPR算法可以有效地估算电池SOH,且最大估算误差不超过2.08%。
-
关键词
锂离子电池
健康状态
高斯过程回归
自适应变异粒子群优化器
核函数
-
Keywords
lithiumion battery
stateofhealth
gaussian process regression
adaptive mutation particle swarm optimizer
kernel functions
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
