基于数据驱动的锂离子电池健康状态估计研究进展综述
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TH89 TM93

基金项目:

黑龙江省省属高等学校基本科研项目(2023-KYYWF-1013)、哈尔滨商业大学研究生科研创新项目(YJSCX2023-778HSD)资助


Review on progress of data-driven based health state estimation for lithium-ion batteries
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    锂离子电池(LIBs)在电气化交通、电化学储能和移动电子产品等领域广泛使用,精准评估其健康状态( SOH)是确保安 全可靠应用的基础。 数据驱动法是当前评估 SOH 的主流方法,该方法无需考虑电池内部复杂的物理化学反应,依赖于直接的 数据分析,且具有较高的精度。 本文从锂离子电池 SOH 影响因素入手分析了基于数据驱动的电池 SOH 估计方法的研究现状, 着重比较了机器学习、滤波器和时间序列等方法实施 SOH 估计的原理、优缺点。 最后,针对电动汽车实际应用场景,对 SOH 估 计方法的未来发展趋势进行了展望。

    Abstract:

    Lithium-ion batteries (LIBs) are widely used in areas such as electrified transportation, electrochemical energy storage and mobile electronics. Consequently, accurate assessment of their state of health ( SOH) is fundamental to ensure safe and reliable applications. Data-driven methods are the mainstream methods to evaluate SOH, which do not need to consider the complex physical and chemical reactions inside the battery, and only rely on direct data analysis to achieve accurate SOH estimation. This paper analyzes the current research progress of data-driven estimation methods for battery SOH under the consideration of the influencing factors of SOH for LIBs, and focuses on comparing the principles, advantages and disadvantages of machine learning, filter and time series methods in implementing SOH estimation. Finally, according to the practical application scenarios of electric vehicles, the future development trend of SOH estimation methods is prospected.

    参考文献
    相似文献
    引证文献
引用本文

金 帅,董 静.基于数据驱动的锂离子电池健康状态估计研究进展综述[J].仪器仪表学报,2024,45(3):45-59

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-05-31
  • 出版日期: