简介:摘要:数据驱动作为电池组 SOH估算的方法之一,具有不依赖数学模型、物理原理,通过预测方法分析试验数据物理量之间的特征与关系实现数据预测的特点。目前用在电池组 SOH的预测方法主要有:支持向量机、人工神经网络、高斯回归、相关向量机。本文主要分析这 4种方法在电池组 SOH预测方面的特点。最后介绍使用数据驱动方法来预测电池组 SOH的应用前景。
简介: 摘要:电池荷电状态(SOC)和电池健康状态(SOH)是电池管理系统(BMS)中最为重要的环节,其直接影响了电池的功能性和安全性。但实际应用中SOC和SOH估计受多重因素影响,导致其估计精度不高。本文基于经典的“开路电压查表法+安时积分法”和“等效循环法”,将卡尔曼滤波算法应用于改进开路电压查表法,同时结合容量增量法,共同辅助修正等效循环。有效的提高了SOC和SOH的精度。