基于遗传算法改进后的反向传播神经网络的实车电池全时刻健康度预测

来源：同济大学学报·自然科学版杂志2025年第5期北京时间：

作者：孔德洋，丁晨扬，刘佳欣，罗茶根，刘登程

单位：1.同济大学 汽车学院，上海 201804;2.南昌智能新能源汽车研究院 技术项目部，江西 南昌 330052

摘要：基于纯电动汽车实车数据，提出一种融合安时积分法与基于遗传算法改进的反向传播（GA-BP）神经网络的动力电池全时刻健康度（SOH）预测方法。首先采用安时积分法计算深度充电片段电池容量值，处理离群点、低频数据和温度因素造成的误差，经曲线拟合得到全部片段电池容量值，再通过平均滑动滤波和插值法计算全部数据采集时刻电池SOH。然后根据不同预测时刻前的某次充电是否符合深度充电片段特征分别训练不同的GA-BP神经网络模型。最终形成包含电池容量计算、充电片段判别及模型预测在内的电池全时刻SOH预测方法。基于3辆车的实车数据进行验证，结果表明该方法可使用实车数据对纯电动汽车全时刻电池SOH进行预测，保证精度的同时训练数据量需求较小。

关键词：动力电池,健康度预测,机器学习

基金资助：南昌智能新能源汽车研究院前瞻技术课题（17002380085）；江西省中央引导地方科技发展资金（2022ZDD03089）