控制理论与应用

作者：王一航,冯良骏,赵春晖

单位：浙江大学控制科学与工程学院,浙江大学控制科学与工程学院,浙江大学控制科学与工程学院

关键词：锂电池健康状态; 少量充放电循环; 二维支持域; 直推式学习

基金：国家杰出青年科学基金项目(62125306), 国家自然科学基金重点项目(62133003), 工业控制技术国家重点实验室自主课题项目(ICT2021A15)资助.

锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标, 但由于电池老化的非线性和不确定性使得SOH难以精确估计, 并且受到电池数据收集的高时间成本和容量再生现象的影响, 传统的数据驱动方法在历史充放电循环数较少时效果较差. 针对上述问题, 本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法, 用于少量充放电循环下的SOH预测. 一方面, 考虑同型号多块电池的批次特性, 利用历史数据和批次数据构造二维支持域扩充模型信息来源, 提供了粗范围的大量可供选择的样本; 另一方面,首次尝试以直推式学习的方式解决SOH预测的任务, 利用离线和在线样本特征空间的信息, 对每个样本进行细致划分, 提升少量充放电循环情况下模型的预测可靠性. 基于NASA的公开数据集, 所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56%, 实现了对锂电池充放电历史初期及再生点的精确预测.

来源：2024年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第3期