基于实车数据的电动汽车电池健康状态预测

• 作者: 胡杰 朱雪玲 何陈 杨光宇
• 来源期刊: 汽车工程
• 关键词: 电动汽车 SOH预测 机器学习
• 年，卷（期）: 2021,（9）
• 页码范围: 1291-1299,1313
• 页数: 10页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.09.004

摘要

鉴于现有电动汽车电池健康状态(SOH)预测方案多基于条件有限实验室的实验数据,且存在单指标预测精度低等问题,基于实车运行数据分析并提取电池健康状态因子,以电池容量、内阻和单体一致性为特征,构建机器学习模型,实现电池SOH多指标的准确预测;针对实车数据区间不完整、片段间隔大等问题,提出自适应状态估计法;利用非支配排序遗传算法(NSGA?II)进行精度与效率的多目标优化,获得最佳电压区间,提高电池容量的变区间估计精度.结果表明,该方法可有效实现基于实车数据的电池SOH准确预测,采用5-fold交叉验证计算测试集最大平均绝对误差小于2％.