健康状态(state of health,SOH)是评估锂离子电池老化程度和剩余使用寿命的重要指标。然而,SOH无法通过直接测量获得,本工作提出了一种基于时间规整图(time warp profile,TWP)提取间接健康特征参数,使用支持向量机回归(vector machine regression,SVR)模型估计SOH的方法。首先,通过TWP将锂离子电池不同循环充放电压曲线转换为相位差异曲线。然后,从相位差异曲线中提取出4个间接健康特征。接着,采用线性核函数的SVR模型估计SOH。最后,以美国航空航天局(National Aeronautics and Space Administration,NASA)、美国保险商实验室公司和普渡大学(Underwriters Laboratories Inc.-Purdue University,UL-PUR)的开源数据集和储能电站实测数据进行验证。其中,储能电站数据实验结果表明,TWP-SVR模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)的样本标准差(sample standard deviation,SSD)小于0.0015,四分位距(inter-quartile range,IQR)小于0.0022;平均绝对百分比误差(mean absolute percentage error,MAPE)的SSD和IQR分别为0.0152和0.0220,表明所提TWP-SVR方法保持较高准确性的同时具有良好的稳定性。
