摘要：锂离子电池剩余容量估计是电池管理系统中关键技术之一，也是实现锂离子电池安全稳定运行的前提。针对锂离子电池剩余容量有效估计问题，本文提出带外生输入的自回归模型(Radial Basis Function-Autoregressive Exogenous， RBF-ARX)的锂离子电池剩余容量估计方法，利用结构化非线性参数优化方法辨识模型参数，并将“老化信息”与“能量”相结合，基于小波包能量分析从电池充电电流/电压曲线中直接提取能量特征作为新健康特征，采用传递熵对新健康特征进行筛选以构成模型输入，实现锂离子电池剩余容量的有效估计；最后基于NASA公开的锂离子电池老化数据，通过不同训练/测试样本比例、不同模型展开综合分析，其结果表明所提出的基于状态相依的RBF-ARX模型的锂离子电池剩余容量估计方法与常用的数据驱动方法相比，误差指标中平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)均保持在较低水平，具有良好的估计精度。
文章目录
0 引言
1 状态相依的RBF-ARX模型的构建
2 方法验证
2.1 评价标准
2.2 新健康特征的提取
2.3 新健康特征的筛选
2.4 不同训练/测试样本比例下的剩余容量估计
2.5 前一时刻数据值缺失情况下剩余容量估计
3 算法对比分析
4 结论
