本发明公开了一种基于间接健康指标的锂离子电池SOH预测方法。本发明采用的技术方案为:提取锂离子电池部分充电过程中的电压、电流曲线的离散系数作为间接健康指标;采用粒子群算法在样本训练过程中自动搜索多核高斯过程回归模型的最优超参数,建立基于粒子群算法优化的多核高斯过程回归模型,即PSO‑MK‑GPR模型;将间接健康指标作为输入,容量作为输出,送入PSO‑MK‑GPR模型中进行训练,得出锂离子电池老化模型;将在线提取的特征数据送入训练好的PSO‑MK‑GPR模型中,实现SOH预测。本发明采用一种考虑充电过程中的电压与电流部分数据的间接健康指标结合粒子群优化算法调参的多核高斯过程回归模型,实现了锂离子电池SOH的预测。
声明:
“基于间接健康指标的锂离子电池SOH预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)