基于机器学习的锂离子电池荷电状态多步预测

摘要：

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测,难点在于误差积累和时间依赖性降低引起的预测精度下降.提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度,利用实际锂电池数据研究了不同多步预测策略的效果.结果表明,实际锂电池荷电状态预测在充电过程中具有显著线性特性,放电过程表现出非线性特性.预测步长为15个时,LR模型、KNN模型、RF模型的MAPE均低于6%,R2均大于0.90.线性回归结合MIMO策略具有最大的实际应用潜力.

关键词：锂离子电池、荷电状态、机器学习、多步预测

所属期刊栏目：13

分类号：TM912

资助基金：重庆市自然科学基金面上项目cstc2019jcyj-msxmX0537

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：586-596