基于多指标最优权值融合的锂电池SOH估计

来源：电子测量技术杂志2021年第15期北京时间：

作者：魏业文，解园琳，李梅，周英杰

单位：1. 三峡大学电气与新能源学院 宜昌 443002; 2. 智慧能源技术湖北省工程研究中心 宜昌 443002

摘要：为解决现有锂电池SOH在线估计方法精度不高的问题，本文提出利用改进粒子群算法（IPSO）优化支持向量回归（SVR）模型的方法。首先对所提取的健康指标进行关联分析，在利用启发式算法寻优SVR超参数的同时，对提取的多个健康指标融合的权值系数寻优，得到以最优数据序列训练的最优参数的SVR模型。采用美国国家航空航天局PCoE研究中心的B5、B6、B7三组电池数据集对所提方法进行试验分析，结果表明，经算法优化后三组电池平均绝对百分误差（MAPE）和均方根误差（RMSE）分别降低了62.3%、65.5%。最后通过与现有的预测模型进行对比，证明了所提方法具有更高的在线估计精度。

关键词：健康状态;最优权值;改进粒子群算法;支持向量回归

基金资助：国家自然科学基金项目（52007102）、湖北省重点研发计划项目（2020BAB110）资助