基于IWOA-SVR的锂离子电池健康状态在线快速检测

陈洋; 黄江东; 余春雷; 谢基; 姜伟

doi:10.12452/j.fxcsxb.240712214

您当前的位置：

首页 >

文章列表页 >

基于IWOA-SVR的锂离子电池健康状态在线快速检测

研究报告 | 更新时间：2025-03-17

- 基于IWOA-SVR的锂离子电池健康状态在线快速检测
- Online Rapid Detection of Lithium-ion Battery State of Health Based on IWOA-SVR
- 分析测试学报 2025年44卷第3期页码：402-410
- 作者机构：
  
  1.广州大学机械与电气工程学院，广东广州 510006
  2.广州海关技术中心，广东广州 510623
- 作者简介：
  
  姜伟，博士，高级工程师，研究方向：电池均衡和电池检测研究，E-mail：jiangw@iqtcnet.cn
- 基金信息：
  
  国家重点研发计划(2022YFF0607201);国家自然科学基金资助项目(52171331;51907082);广州市科技计划项目(2023A03J0646;2023A03J0120;2023A04J1013);海关总署课题(2022HK062)
- DOI：10.12452/j.fxcsxb.240712214
  中图分类号： O657.1;TM911
- 收稿日期：2024-07-12，
  
  修回日期：2024-08-30，
  
  录用日期：2024-09-10，
  
  纸质出版日期：2025-03-15
- 稿件说明：
移动端阅览
陈洋,黄江东,余春雷,谢基,姜伟.基于IWOA-SVR的锂离子电池健康状态在线快速检测[J].分析测试学报,2025,44(03):402-410.

CHEN Yang,HUANG Jiang-dong,YU Chun-lei,XIE Ji,JIANG Wei.Online Rapid Detection of Lithium-ion Battery State of Health Based on IWOA-SVR[J].Journal of Instrumental Analysis,2025,44(03):402-410.
陈洋,黄江东,余春雷,谢基,姜伟.基于IWOA-SVR的锂离子电池健康状态在线快速检测[J].分析测试学报,2025,44(03):402-410. DOI： 10.12452/j.fxcsxb.240712214.

CHEN Yang,HUANG Jiang-dong,YU Chun-lei,XIE Ji,JIANG Wei.Online Rapid Detection of Lithium-ion Battery State of Health Based on IWOA-SVR[J].Journal of Instrumental Analysis,2025,44(03):402-410. DOI： 10.12452/j.fxcsxb.240712214.

摘要

该文提出了一种融合改进鲸鱼优化算法与支持向量回归（IWOA-SVR）的锂离子电池健康状态（SOH）检测评估方法。首先收集不同充放电策略下的充放电数据，并提取关键电池老化特征参数；然后运用皮尔逊相关性分析验证了特征参数与SOH间的强相关性，算法在传统鲸鱼优化算法中融入自适应权重调整机制与Levy飞行策略，有效克服了传统方法在线评估SOH时误差偏大的问题。最后，采用恒流恒压充电与恒流充电两种典型工况下的实验测试数据进行验证，结果表明IWOA-SVR检测方法具有更高的稳定性和准确性，最大误差可控制在1.4%以内。同时，在平均绝对百分比误差（MAPE）和均方根误差（RMSE）两项关键评估指标上，IWOA-SVR均显著优于对比算法，充分证明了其在锂离子电池SOH在线检测中的高精度与强鲁棒性。

Abstract

In this paper，a detection and evaluation method of lithium-ion battery state of health（SOH） is proposed by integrating the improved whale optimization algorithm and support vector regression（IWOA-SVR）. Firstly，the charging/discharging data under different charging/discharging strategies are collected，and the critical battery aging characteristic parameters are extracted. Then Pearson correlation analysis is applied to verify the strong correlation between the parameters and the SOH，and the algorithm integrates the adaptive weight adjustment mechanism and Levy flight strategy into the traditional whale optimization algorithm，which effectively overcomes the problem of the large error of the traditional method when evaluating the SOH online. Finally，in order to verify the effectiveness of the algorithm，experimental test data under two typical operating conditions of constant-current and constant-voltage charging and constant-current charging are used for validation，and the results show that the IWOA-SVR detection method has higher stability and accuracy，and the maximal error can be controlled within 1.4%. Meanwhile，IWOA-SVR significantly outperforms the comparison algorithms in two key evaluation metrics，namely，mean absolute percentage error（MAPE） and root mean square error（RMSE），which fully proves its high accuracy and strong robustness in the online detection of SOH in lithium-ion batteries.

关键词

Keywords

references

Han X B ， Lu L G ， Zheng Y J ， Feng X N ， Li Z ， Li J Q ， Ouyang M G . eTransportation ， 2019 ， 1 ： 100005 .

Tian H X ， Qin P L ， Li K ， Zhao Z . J. Cleaner Prod. ， 2020 ， 261 ： 120813 .

Yu W H ， Guo Y ， Xu S M ， Yang Y ， Zhao Y F ， Zhang J J . Energy Storage Mater. ， 2022 ， 54 ： 172 - 220 .

Li X J ， Yu D ， Byg V S ， Ioan S D . J. Energy Chem. ， 2023 ， 82 ： 103 - 121 .

Wang P ， Gong Q R ， Zhang J A ， Cheng Z . Trans . China Electrotech. Soc. （王萍，弓清瑞，张吉昂，程泽. 电工技术学报）， 2021 ， 36 （ 24 ）： 5201 - 5212 .

Wang Y J ， Tian J Q ， Sun Z D ， Wang L ， Xu R L ， Li M C ， Chen Z H . Renew . Sust. Energ. Rev. ， 2020 ， 131 ： 110015 .

Wang Z K ， Zeng S K ， Guo J B ， Qin T C . Energy ， 2019 ， 167 ： 661 - 669 .

Hu X S ， Yuan H ， Zou C F ， Li Z ， Zhang L . IEEE Trans. Veh. Technol. ， 2018 ， 67 （ 11 ）： 10319 - 10329 .

GB/T 34015 - 2017 . Recycling of Traction Battery Used in Electric Vehicle-Test of Residual Capacity. National Standards of the People’s Republic of China（车用动力电池回收利用-余能检测. 中华人民共和国国家标准） .

Tian J P ， Xiong R ， Shen W X . IEEE Trans. Power Electron. ， 2020 ， 35 （ 10 ）： 10363 - 10373 .

Hou X K ， Yuan Y P ， Tong L . Chin . J. Power Source （侯小康，袁裕鹏，童亮. 电源技术）， 2024 ， 48 （ 2 ）： 289 - 298 .

Chen Z W ， Zhang S Y ， Shi N ， Li F S ， Wang Y R ， Cui J . Appl. Soft Comput. ， 2022 ， 129 ： 109615 .

He Y ， Bai W Y ， Wang L L ， Wu H B ， Ding M . J. Energy Storage ， 2024 ， 83 ： 110678 .

Li P H ， Zhang Z J ， Xiong Q Y ， Ding B C ， Hou J ， Luo D C ， Rong Y J ， Li S Y . J. Power Sources ， 2020 ， 459 ： 228069 .

Fan Y X ， Xiao F ， Li C R ， Yang G R ， Tang X . J. Energy Storage ， 2020 ， 32 ： 101741 .

Gong Y D ， Zhang X Y ， Gao D Z ， Li H ， Yan L S ， Peng J ， Huang Z W . J. Energy Storage ， 2022 ， 53 ： 105046 .

Tian J P ， Xiong R ， Shen W X ， Lu J H ， Sun F C . Energy Storage Mater. ， 2022 ， 51 ： 372 - 381 .

Wang J F ， Li N . Internet Things Technol. （王建锋，李娜. 物联网技术）， 2023 ， 13 （ 9 ）： 3 - 7 .

Guo B J ， Li J Q ， Ma X L ， Wang F . Battery Bimon . （郭邦军，李家琦，马小乐，王芳. 电池）， 2022 ， 52 （ 5 ）： 517 - 521 .

Cortes C ， Vapnik V . Mach. Learn. ， 1995 ， 20 （ 3 ）： 273 - 297 .

Mirjalili S ， Lewis A . Adv. Eng. Software ， 2016 ， 95 ： 51 - 67 .

Bian X ， Zhang R ， Liu P ， Xiang Y ， Wang S ， Tan X . Spectrochim . Acta A ， 2023 ， 284 ： 121788 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超声扫描成像检测锂电池电解液退浸润及成因分析

基于改进鲸鱼优化算法的近红外光谱波长变量选择方法及其应用