精度高，误差小！一种锂电池健康状态评估及影响因素的分析方法
随着新能源并网规模的不断增大，储能在新型电力系统发、输、配、用环节的重要性日渐凸显。其中，锂离子电池由于能量密度高、转化速率快、部署便捷与成本低等优势，成为新型电力系统中的主流储能系统之一。锂离子电池健康状态（SOH）能有效反映电池老化程度，实际运行中，依据设定阈值替换低SOH电池是保障电池储能系统安全、稳定运行的有效措施之一。因此，SOH评估是电池管理系统（BMS）的重要功能之一。
为解决现有评估模型精度不足、复杂度高与可解释性低的问题，南通大学信息科学技术学院、苏州科技大学电子与信息工程学院、南通大学电气工程学院的顾菊平、蒋凌、张新松等学者，提出一种基于特征提取的锂离子电池SOH评估及影响因素分析方法。
图1 电池健康特征提取流程
他们首先提出两个量化初始循环充电电压曲线和当前循环充电电压曲线相似性的新健康特征，即动态时间规整距离特征和Wasserstein距离特征；其次，采用CatBoost方法评估电池SOH，并引入SHAP方法分析各健康特征对评估结果的影响及特征间的耦合关系；最后，研究者利用马里兰大学电池老化数据集中多块电池数据进行实验验证。
图2 锂离子电池SOH评估与分析流程
实验结果表明，与现有方法相比，提出的SOH评估方法精度较高，平均误差均小于2.2%，且能定量解析SOH影响因素。
但是，研究者也指出，由于本次电池数据是在固定充电条件下获取，并未考虑特定应用场景下电池的健康评估需求。锂离子电池在不同储能体系，如车用储能系统、储能电站等，运行工况存在显著差异，后续研究将针对不同应用场景需求，制定适合的锂离子电池SOH评估方法，实现评估模型在多应用场景下的精准高效运行。
本工作成果发表在2023年第19期《电工技术学报》，论文标题为“基于特征提取的锂离子电池健康状态评估及影响因素分析”。本课题得到国家自然科学基金智能电网联合基金、国家自然科学基金和江苏省重点研发计划（产业前瞻与关键核心技术）的支持。
相关知识
一种基于深度学习的锂电池健康状态评估方法
锂离子电池健康状态评估及剩余寿命预测方法
锂离子电池安全状态评估研究进展
=退役锂离子电池健康状态评估方法【钜大锂电】
一种基于支持向量机的锂电池健康状态评估方法
锂离子电池健康状态评估及剩余寿命预测方法研究
锂电池健康状态如何影响电池寿命
锂动力电池健康度评价与估算方法的研究
基于动态工况模型误差特征的动力电池健康状态估计方法
电动汽车锂离子动力电池健康状态估计方法研究.pdf
网址: 精度高，误差小！一种锂电池健康状态评估及影响因素的分析方法 https://m.trfsz.com/newsview1392020.html
