考虑混杂充电数据的锂离子电池容量估计

摘要

准确有效的电池容量估计对于电动汽车的安全性等有着十分重要的意义。目前结合健康因子提取的电池容量估计方法受到了广泛的关注,然而大多数研究没有考虑到电池实际应用中每个循环的充电数据会根据充放电情况的不同而具有不同的充电数据结构,这会导致健康因子的提取不能连续有效地进行,无效或缺失的健康因子序列会导致无法有效地估计电池容量,由此开展考虑混杂充电数据的锂离子电池容量估计方法研究。考虑三种最常见的充电数据结构组成混杂充电数据,根据不同的数据结构提取有效健康因子,再由粒子群算法寻优获得最佳健康因子;以相关向量回归为工具,通过健康因子估计健康因子的方法获取其中一种完整健康因子序列;以完整的健康因子序列训练长短时记忆网络以达到估计未来电池容量的目的。仿真试验结果表明,RVM估计健康因子的相对误差均保持在1%以内,未来电池容量的估计相对误差基本在2%以内,达到较高的估计精度,可满足一定的实际应用需求。