基于K近邻回归的锂离子电池健康状态估计

基于K近邻回归的锂离子电池健康状态估计
孙广明;贾新羽;陈良亮
【期刊名称】《电源技术》
【年(卷),期】2022(46)8
【摘要】锂离子电池健康状态的降低伴随着电池内部的衰退,并会引发电池鼓包或者短路等安全问题,在锂离子电池充电过程中准确地估计电池健康状态能够为电池的实际使用与充电管理提供重要的参考。

从三元锂离子电池充电过程中的容量增量曲线上提取表征三元锂离子电池的健康状态参数,然后利用K近邻算法对三元锂离子电池的健康状态进行估计。

利用K近邻回归的机器学习方法拟合了电池衰退轨迹,基于K近邻的电池SOH估计的决定系数R2>0.98。

【总页数】4页(P872-875)
【作者】孙广明;贾新羽;陈良亮
【作者单位】南瑞集团(国网电力科学研究院)有限公司;国电南瑞科技股份有限公司;北京交通大学国家能源主动配电网研究中心
【正文语种】中文
【中图分类】TM912.9
【相关文献】
1.一种基于改进网格搜索和广义回归神经网络的锂离子电池健康状态估计方法
2.基于双充电状态的锂离子电池健康状态估计
3.基于TWP-SVR的锂离子电池健康状
态估计4.基于深度学习的储能锂离子电池健康状态估计5.基于电化学阻抗特征选择和高斯过程回归的锂离子电池健康状态估计方法
因版权原因，仅展示原文概要，查看原文内容请购买。