基于XGBoost算法的锂离子电池健康状态估算

费 陈，赵 亮，王云恪，王树泉

（武警士官学校 基础部，杭州 311400）

0 引言

锂离子电池作为电动汽车的储能设备，因其具有功率密度高、充电速度快、使用寿命长等特点而被广泛运用。随着电池寿命的减少，电池的整体性能下降，表现为容量衰减和内阻增加［1-3］，这限制了电池的推广和使用。因此，准确地对电池SOH（健康状态）进行估算［4-5］，有利于及时对电池进行维护，避免电池的过充电和过放电，延长电池寿命。

SOH定义为电池的当前容量与额定容量之比，可用百分比形式表示。当电池SOH 小于80%时，一般认定该电池已经报废，无法使用。SOH 的变化具体反映在内阻、容量和其他一些指标的变化上，目前一般通过内阻来对SOH进行监测［6-7］。电阻法通过测量电池的内阻来估算锂离子电池的SOH，但是易受测量噪声的影响且高度依赖于测量技术，而且考虑的影响因素较少。也可以通过概率和统计方法来估算SOH［8-10］，该方法将数学知识与经验知识相结合，构建经验模型或半经验模型，需要花费大量时间来获取实验数据。基于阻抗模型的方法通过绘制阻抗谱与SOH 之间的关系［11-12］，根据测量的阻抗谱来估算SOH，这种方法需要全面了解电化学反应机制且成本较高。基于等效电路模型的方法是在电化学的基础上，利用电化学元器件模拟电池内部化学反应，然后确定模型参数，根据这些模型参数来估算SOH［13-14］，这种方法需要建立电路表达式，计算复杂。神经网络法通过模拟生物神经网络的行为特征来估算SOH［15-17］，但实验数据的收集和处理较困难。……