多特征提取的可解释性锂电池健康状态估计方法研究

摘要

锂离子电池健康状态(SOH)的估算是电池管理系统(BMS)的重要组成部分。准确预测锂离子电池的SOH对于确保其安全稳定运行至关重要。为解决容量衰退状态难获取、“黑箱”模型缺乏透明度的问题，提出了一种基于多特征提取的可解释性锂离子电池健康状态估计方法。在数据处理阶段，通过引入直接测量与二阶处理相结合的方法提取健康特征；通过XGBoost模型估计电池SOH,引入SHAP算法，分别从局部循环和全局水平解释了各健康特征对预测结果的边际贡献；通过对3种电池的SOH预测实验验证了所提方法的有效性。对比实验结果表明：所提出的锂离子电池容量预测模型的平均绝对误差(MAE)和均方根偏差(RMSE)分别小于0.7%和1.0%。

关键词

锂离子电池 / 健康状态 / 可解释性 / 多特征提取 / XGBoost