采用极限学习机实现锂离子电池健康状态在线估算

• 作 者: 潘海鸿 吕治强 付兵 韦海燕 陈琳
• 机 构: 广西大学机械工程学院,广西制造系统与先进制造技术重点实验室（广西大学机械工程学院）
• 出 处: 汽车工程
• 发表日期: 2017年12期
• 关键词: 锂离子电池 健康状态 极限学习机 健康因子
• 基金项目: 国家自然科学基金（51267002和51667006）、广西自然科学基金（2015GXNSFAA139287）、广西制造系统与先进制造技术重点实验室项目（15-140-30S002）和广西研究生教育创新计划项目（YCSW2017038）资助.

电池健康状态(SOH)估算是电动汽车电池管理系统核心技术之一。为准确在线估算锂离子电池SOH,提出在动态工况下构建表征电池衰退的健康指标(HI),并引入极限学习机(ELM)离线训练电池全生命周期的ELM衰退模型,实现SOH在线估算。实验结果表明,该方法能准确在线估算锂离子电池SOH,估算误差不超过2%。