投稿入口

基于样本熵的锂离子电池健康状态评估

  • 摘要: 本文提出了一种基于放电温度样本熵特征的电池健康状态评估方法。样本熵能够提供评估时间序列可预测性的计算方法,并量化数据序列的规律性。因此,当它应用于放电温度数据时,能够作为电池健康状态的指示特征,对电池的退化过程和局部变化都有很好的捕捉效果。本文利用机器学习方法即支持向量机(SVM)引入智能预测能力,样本熵与电池健康状态(SOH)分别作为输入数据和目标向量。结果表明,基于样本熵的SVM预测方法在锂离子电池健康状态评估上具有良好的性能。

     

/

返回文章
返回