文献类型：期刊文章

作　　者：杨杰[1] 解晶莹[1,2,4] 晏莉琴[2,3,4] 尹鸽平[1]

YANG Jie;XIE Jing-ying;YAN Li-qin;YIN Ge-ping(School of Chemistry and Chemical Engineering, Harbin Institute of Technology, Harbin, Heilongjiang 150001 , China;Shanghai Institute of Spaceflight Power, Shanghai 200245 , China;Shanghai Power & Energy Storage Battery System Engineering Technology Co., Ltd., Shanghai 200241, China;Shanghai Engineering Center for Power and Energy Storage Systems, Shanghai 200245 , China)

机构地区：[1]哈尔滨工业大学化工与化学学院,黑龙江哈尔滨150001 [2]上海空间电源研究所,上海200245 [3]上海动力储能电池系统工程技术有限公司,上海200241 [4]上海动力与储能电池系统工程技术研究中心,上海200245

出　　处：《电池》

基　　金：国家重点研发计划(2017YFB0102204);上海市科委项目(18DZ2284000)

年　　份：2019

卷　　号：49

期　　号：3

起止页码：247-250

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：综述几种常见的锂离子电池健康状态(SOH)的定义及估计方法,包括实验法、模型法、数据驱动法及融合法,分析各类方法的优缺点:实验法的可靠性较高,但耗时长;模型法易于实现嵌入式管理,但单一的模型结构容易导致较大的估计误差;数据驱动法能够充分利用电池的运行数据;融合法能够发挥各模型及算法的优势,是开发电池健康状态诊断技术的重要研究内容。展望大数据背景下锂离子电池SOH估计方法的研究方向。

关 键 词：锂离子电池 健康状态(SOH)  估计方法 大数据

分 类 号：TM912.9]