基于超声时域特征及随机森林的磷酸铁锂电池荷电状态估计.pdfVIP

2022 年 11 月 电 工 技 术 学 报 Vol.37 No. 22 第 37 卷第 22 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Nov. 2022 DOI: 10.19595/ki.1000-6753.tces.211585 基于超声时域特征及随机森林的 磷酸铁锂电池荷电状态估计 刘素贞1,2 袁路航 1,2 张 闯1,2 金 亮1,2 杨庆新 1 （1. 省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学） 天津 300130 2. 河北工业大学河北省电磁场与电器可靠性重点实验室 天津 300130 ） 摘要 荷电状态（SOC ）是电池管理系统中的重要监测指标。磷酸铁锂电池因开路电压与 SOC 曲线过于平坦而导致电信号对SOC 变化不敏感，从而难以实现精确估计。超声信号可以检测电极 材料物理性质变化，继而建立构效关系来表征电池状态。该文融合高相关性超声特征和低复杂性 回归模型提出了一种磷酸铁锂电池平台期SOC 估计方法。首先，分析超声波发射频率、电流倍率 和温度等不同条件下常规超声特征与SOC 的一致性和相关性变化；然后，基于超声结构特征进一 步扩展多维高相关性超声时域特征；最后，对比多种数据驱动和模型驱动方法后提出一种基于随 机森林的 SOC 精确估计方法。实验结果显示，不同动态工况下 SOC 估计的方均根误差和平均绝 对误差分别低于 1.9%和 1.6%，验证了此方法进行SOC 估计的可靠性与准确性。 关键词：磷酸铁锂电池 荷电状态 超声时域特征 随机森林 中图分类号：TM911 State of Charge Estimation of LiFeO Batteries Based on Time Domain 4 Features of Ultrasonic Waves and Random Forest Liu Suzhen 1,2 Yuan Luhang 1,2 Zhang Chuang 1,2 Jin Liang 1,2 Yang Qingxin 1 （1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment Hebei University of Technology Tianjin 300130 China 2. Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability of Hebei Province Hebei University of Technology Tianjin 300130 China ） Abstract State of charge (SOC) is an important monitoring parameter in the battery management system. Due to the flat open circuit voltage and SOC curve, SOC of LiFeO4 (LFP) batteries is not sensitive to changes in electrical signals. Therefore, it is difficult to accurately estimate the SOC of LFP batteries. Ultrasonic wave si