基于HI-DD-AdaBoost.RT的锂离子动力电池SOH预测

田慧欣、秦鹏亮、李坤、王红一、Huixin Tian、Qin Peng-liang、Kun Li、Hongyi Wang

2021Engineering被引 2

摘要

锂离子电池是一个复杂的电化学动态系统, 实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要, 传统建模方法难以实现SOH的在线估算. 基于此, 从实时评估电池的SOH出发, 在增量学习的基础上, 选取与电池健康状态相关的指标建立SOH预测模型. 考虑到增量学习中的耗时性问题, 提出融合滑动窗口技术的HI-DD算法, 该算法可以检测概念漂移是否发生, 从而指导和确定模型更新位置; 设计出HI-DD与AdaBoost. RT结合的模型更新策略, 进而提高模型的在线学习性能和预测精度, 最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证. 结果表明, 基于增量学习的HI-DD-AdaBoost.RT预测算法具有较强的在线更新能力和较高的预测精度, 能够满足SOH在线预测的实际需求.

引用本文（GB/T 7714）

田慧欣, 秦鹏亮, 李坤, 等. 基于HI-DD-AdaBoost.RT的锂离子动力电池SOH预测[J]. 未知来源, 2021.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.13195/j.kzyjc.2019.0764

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。