数据驱动的钠离子电池健康状态评估方法研究.pdfVIP

第22卷第1期电源学报Vol.22No.1

2024年1月JournalofPowerSupplyJan.2024

D0I:10.13234/j.issn.2095-2805.2024.1.1中图分类号：TM912文献标志码：A

数据驱动的钠离子电池健康状态评估方法研究

陆楠1,孙

小越，彭

衫鹏1.2,熊瑞（中国电源学会会员），孙逢春1

（1.北京理工大学机械与车辆学院，北京100081;2.南方电网调峰调频发电有限公司储能科研院，

广州510630)

摘要：钠离子电池健康状态估计是其安全高效应用的基础，也是钠电池规模化储能应用的关键。然而，钠离子

电池即用即衰，衰退机理不明晰，老化过程受工况和场景影响，准确的健康状态估计极其困难。为此，提出了数据驱

动的钠离子电池健康状态估计方法，探究了钠离子电池的充电数据与容量衰退的映射关系，提出了结合方差筛选、

灰色关联分析和递归特征消除的特征选择方法，应用多元线性回归、支持向量机、高斯过程回归和误差反向传播神

经网络4类机器学习方法估计钠离子电池的健康状态。验证结果表明，4类方法的健康状态估计均方根误差小于

1.6%，其中高斯过程回归的误差小于0.8%，实现了钠离子电池健康状态精准估计。

关键词：钠离子电池；健康状态；数据驱动；老化特征；机器学习

Data-drivenStateofHealthEstimationforSodium-ionBatteries

LUNan,SUNYue,PENGPeng2,XIONGRui,Member,CPSS,SUNFengchun

(1.SchoolofMechanicalEngineering,BeijingInstituteofTechnology,Beijing100081,China;2.CSGPGCEnergy

StorageResearchInstitute,Guangzhou510630,China)

Abstract:Thestateofhealth(SOH)estimationforsodium-ionbatteriesiscrucialfortheirsafeandefficientappli-

cations,whichisalsoakeytolarge-scaleenergystorageimplementations.However,sodium-ionbatteriesexhibitusage-

induceddegradationwithunclearmechanismsandaresensitivetooperatingconditionsandenvironmentalfactors,posing

achallengetotheaccurateSOHestimation.Inthispaper,adata-drivenSOHestimationmethodforsodium-ionbatteries

isproposed.Thechargingdataiscorrelatedwithcapacitydegradation,andvariancefiltering,greyrelationalanalysisand

recursivefeatureeliminationareintegratedforfeatureselection.Inaddition,fourmachinelearningmethodsincluding