锂离子电池状态估计机器学习方法综述

• 作者: 谢奕展 程夕明
• 来源期刊: 汽车工程
• 关键词: 锂离子电池 机器学习 荷电状态 健康状态 剩余寿命
• 年，卷（期）: 2021,（11）
• 页码范围: 1720-1729
• 页数: 10页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.11.018

摘要

本文旨在综述机器学习方法在锂离子电池状态(包括荷电状态、健康状态和剩余可用寿命)估计领域的研究进展.首先,阐述机器学习方法在电池状态估计中的应用现状.然后,归纳电池状态估计机器学习方法的5个具体实施环节,即数据准备、模型选择与评价、超参数确定、数据预处理和模型训练,并提出了融合精度、实施成本和鲁棒性的学习算法评价方法.最后指出超参数确定方法仍存在的场景适应性问题,并建议建立多区域、跨季节、多模式和长时间的车用电池工况数据库,促进电池状态估计机器学习算法的实用性和普适性等方面的研究.