基于HI-DD-AdaBoost.RT的锂离子动力电池SOH预测

田慧欣^1,2，秦鹏亮^1,2，李坤³，王红一^1,2

1. 天津工业大学电气工程与自动化学院2. 天津工业大学电工电能新技术天津重点实验室3. 天津工业大学经济与管理学院

摘 要：锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态（SOH）估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SOH预测模型.考虑到增量学习中的耗时性问题,提出融合滑动窗口技术的HI-DD算法,该算法可以检测概念漂移是否发生,从而指导和确定模型更新位置;设计出HI-DD与AdaBoost.RT结合的模型更新策略,进而提高模型的在线学习性能和预测精度,最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证.结果表明,基于增量学习的HI-DD-AdaBoost.RT预测算法具有较强的在线更新能力和较高的预测精度,能够满足SOH在线预测的实际需求.

关键词：锂离子动力电池;SOH;增量学习;HI-DD;概念漂移;AdaBoost.RT;