锂离子电池健康状态估计方法研究综述

被引:70
作者
胡晓亚
郭永芳
张若可
机构
[1] 河北工业大学人工智能与数据科学学院
关键词
电池管理系统; 锂离子电池; 健康状态; 估计方法;
D O I
暂无
中图分类号
TM912 [蓄电池];
学科分类号
080802 [电力系统及其自动化];
摘要
电池管理系统是锂离子电池高效、安全运行的重要保障。电池的状态估计在电池管理系统中发挥着重要的作用。健康状态是锂离子电池状态估计的重要指标之一。通过对近几年国内外锂离子健康状态估计方法相关文献的整理,综述了锂离子电池健康状态的定义和估计方法,并对现有的估计方法进行了分类和阐述。最后针对现有估计方法的不足,提出未来需要改进的方向。
引用
收藏
页码:126 / 133
页数:8
相关论文
共 39 条
[1]
蓄电池SOH估算方法研究综述 [J].
耿星 ;
王友仁 .
机械制造与自动化, 2019, 48 (01) :204-206
[2]
锂离子电池健康状态新型测定方法 [J].
刘中财 ;
严晓 ;
余维 ;
黄碧雄 ;
王影 .
电源技术, 2019, 43 (01) :74-76+157
[3]
基于日常片段充电数据的锂电池健康状态实时评估方法研究 [J].
周頔 ;
宋显华 ;
卢文斌 ;
付平 .
中国电机工程学报, 2019, 39 (01) :105-111+325
[4]
基于遗传算法和支持向量回归的锂电池健康状态预测 [J].
刘皓 ;
胡明昕 ;
朱一亨 ;
於东军 .
南京理工大学学报, 2018, 42 (03) :329-334+351
[5]
电动汽车锂离子电池健康状态估算及寿命预测方法综述 [J].
何洋 ;
彭以平 .
汽车实用技术, 2018, 44 (11) :16-18
[6]
锂电池组健康状态计算方法综述 [J].
姚芳 ;
田家益 ;
黄凯 .
电源技术, 2018, 42 (01) :135-138
[7]
梯次利用锂电池健康状态预测 [J].
孙冬 ;
许爽 .
电工技术学报, 2018, 33 (09) :2121-2129
[8]
基于自适应平方根无迹卡尔曼滤波算法的锂离子电池SOC和SOH估计 [J].
程泽 ;
杨磊 ;
孙幸勉 .
中国电机工程学报, 2018, 38 (08) :2384-2393+2548
[9]
基于蚁群神经网络算法的电池健康状态估计 [J].
肖仁鑫 ;
李沛森 ;
李晓宇 ;
王泽林 .
电源技术, 2017, 41 (06) :916-919
[10]
锂电池健康状态估算方法综述 [J].
张金龙 ;
佟微 ;
孙叶宁 ;
李端凯 ;
漆汉宏 ;
魏艳君 .
电源学报, 2017, 15 (02) :128-134