锂离子电池SOH在线估计 | 基于集成极限学习机的锂离子电池SOH在线估计

天天酷科研

于 2024-05-09 08:48:17 发布

阅读量301

点赞数 11

分类专栏：电池建模（BM）文章标签：锂离子电池SOH 集成极限学习机

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2301_79294434/article/details/138596419

版权

电池建模（BM）专栏收录该内容

15 篇文章 25 订阅 ¥39.90 ¥99.00

订阅专栏

文章提出了一种基于融合健康因子和集成极限学习机的锂离子电池健康状态(SOH)在线估计方法。通过分析dQ/dV和dT/dV曲线，提取相关特征并进行主成分分析，再利用极限学习机建立非线性映射，通过集成学习提高估计精度。实验证明，该方法在NASA和牛津大学的锂离子电池老化数据集上表现优秀，平均绝对百分比误差小于1%，具有高准确性和可靠性。

摘要由CSDN通过智能技术生成

在这里插入图片描述

概述

锂离子电池健康状态(SOH) 的在线估计对电池管理系统的安全稳定运行至关重要。为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题。该文提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法。该方法通过 dQ/dV 和 dT/dV 曲线分析，筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取，并对其进行主成分分析降维处理得到间接健康因子；利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系，在此基础上，针对单一模型输出不稳定的特点，提出一种集成极限学习机模型,通过对估

了解本专栏

天天酷科研

关注

11
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
锂离子电池SOH在线估计 | 基于集成极限学习机的锂离子电池SOH在线估计

锂离子电池SOH在线估计 | 基于集成极限学习机的锂离子电池SOH在线估计
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

天天酷科研 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。