由于锂离子电池本身复杂的老化特性，准确预测电池的健康状态和剩余寿命是一个尚未解决的挑战，这限制了消费电子、电动汽车和电网储能等技术的发展。电池的老化机制复杂且相互耦合，难以采用基于模型的方法进行准确的建模。该工作提出了一种基于数据驱动的锂离子电池容量估计方法，通过分析电池的电压-放电容量曲线随循环老化的演变模式，提取具有电化学意义的特征，采用高斯过程回归（Gaussian Process Regression， GPR）对电池的容量进行预测。该模型的输入特征可以在线获取，不需要对电池进行完整的充放电循环即可估计容量。在钴酸锂电池和磷酸铁锂电池数据集上分别进行了实验验证，结果表明该方法具有较好的泛化能力，对不同类型的电池均能实现准确的容量估计。将该方法与阻抗谱作为输入的GPR模型进行对比试验，结果表明该特征能获得更好的估计精度。这一工作说明了合适的特征选择能显著影响锂离子电池的数据驱动模型性能，为电池的状态预测与诊断提供了参考。

文章链接：https://kns.cnki.net/kcms/detail/detail.aspx?doi=10.19799/j.cnki.2095-4239.2021.0109