基于HI-DD-AdaBoost.RT的锂离子动力电池SOH预测

• 作者: 田慧欣 秦鹏亮 李坤 王红一
• 来源期刊: 控制与决策
• 关键词: 锂离子动力电池 SOH 增量学习 HI-DD 概念漂移 AdaBoost.RT
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论文与报告|Papers and Reports
• 页码范围: 686-692
• 页数: 7页
• 分类号: TM714
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2019.0764

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.