考虑电芯间差异的并联电池模组健康状态估计
摘要
对电芯并联连接的锂离子电池模组进行健康状态（SOH）估计是一个具有挑战性的问题，尤其是在存在电芯间差异的情况下。增量容量分析（ICA）和差分电压分析（DVA）在电芯层面是有效的，但当仅有模组级测量数据可用时，仍缺少一种可推广的方法将其扩展到模组级 SOH 估计。本文提出了一种新方法，并证明通过从模组级 ICA 和 DVA 中系统性地选择多个特征，可以在存在电芯间差异的情况下，以高精度和高置信度估计模组级 SOH。首先，提出了一种基于信息论的特征选择算法，以找到用于模组级 SOH 估计的最优特征集。其次，提出了一种基于相关向量回归（RVR）的模组级 SOH 估计模型，以在保持模型稀疏性的同时，提供点估计和三西格玛置信区间。随着纳入更多所选特征，所提方法以更高的模型复杂度为代价，实现了更好的估计精度和更高的置信度。当应用于一个大型实验数据集时，所提方法及其产生的稀疏模型实现了均方根误差为 0.5%、平均三西格玛值为 1.5% 的模组级 SOH 估计。由于所有训练过程均在离线完成，所提方法具有较低的计算复杂度，适合在线实现。
引用
@article{arxiv.2312.03097,
title = {State of Health Estimation for Battery Modules with Parallel-Connected Cells Under Cell-to-Cell Variations},
author = {Qinan Zhou and Dyche Anderson and Jing Sun},
journal= {arXiv preprint arXiv:2312.03097},
year = {2024}
}
备注
Addressed reviewer comments: Combined two sections, revised dataset and module-level result sections, corrected a typo in Algorithm 2; Previous Edit Comments: Condensed abstract; Added details in Introduction, Dataset, Module-Level Result Sections; Revised Section I, III & VII, IX; Added the initialization of Phi in Algorithm 2