HELM实现锂离子电池SOH在线估算

锂离子电池的健康状态(SOH)估算对电动汽车的稳定安全运行十分重要，是提前预知电池寿命保障系统正常运行，避免灾难性事故发生的关键之一。针对目前健康因子(HI)构建复杂以及现有SOH估算方法模型参数多且复杂、耗时长等问题，提出了利用可直接测量的电池恒流充电时间和放电电压样本熵作为HIs表征电池的容量退化，降低HI构建的复杂度。引入分层极限学习机(HELM)模型建立SOH在线估算框架，以所构建的两种新HIs作为输入，离线训练HELM电池退化模型实现SOH在线估算。采用美国宇航局(NASA)、牛津大学(Oxford)公开数据集与自测数据集验证所提出的HELM框架对三元锂电池和钴酸锂电池SOH估算的有效性。训练样本和估算样本在相同温度条件下，最大绝对误差不超过1.05%,SOH估算精度较高；当温度条件和电池类型不同时，最大绝对误差不超过2.1%，表明该SOH估算框架具有较好的泛化性与迁移性。