nasa电池数据集_基于GMDH模型的电池健康度估计

摘要

电池健康度是电池管理的核心参数，本论文旨在辅助电池健康度的预测。电池可以划分为系统，内部状态两个部分进行描述。电池健康度作为内部状态的一部分，可以由一些可观测的电池参数计算得到。基于电池的开路电压曲线，不同的几何分析方法采用不同的输出特征进行预测。此外，利用数据处理分组方法(GMDH)多项式神经网络建立了微分几何特性与电池健康度之间的关系模型。因此，电池健康度的预测可以通过数据处理分组方法对输入电压特性曲线进行分析得到。通过对不同的锂电池进行实验，结果证明此类方法的预测结果是真实可靠的。

介绍

作为能源存储介质，锂电池已经被广泛的应用于新能源领域，因为较其他材料的电池，锂电池能量密度，可靠性更高，而且寿命更长。但是，随着使用时间的增长，电池健康度会产生变化，进而表现出不同的特性，极端情况下会变得不稳定，产生非常危险的情况。电池管理系统是用来管理电池健康度，提升电池安全性甚至是延长电池寿命的管理系统。

本项目基于锂电池进行电池健康度的研究，电池的健康度可以分为三步骤得到：(1)选择合适的输出特征，此类特征的值可以经传感器被电池管理系统获得。(2)建立模型，描述电池内部状态和外部测量特征之间的关系。(3)基于建立的模型计算电池的内部状态，即电池健康度。