锂电池在电动汽车、消费电子产品、储能等领域扮演至关重要的角色。强时变、高复杂的容量退化是电池当前面临的最具挑战的问题之一。电池的容量退化一般用健康状态（SOH）来描述，准确、可靠的SOH估计是电池管理的热点议题。尽管数据驱动的容量估计方法已取得了快速发展，然而，面对复杂多变的现实应用场景，传统的单一数据驱动模型存在严重的性能不一致表现。另一方面，现有的多模型集成估计方法存在严重问题，如基模型的多样性不足、复杂的权重计算和严重的过拟合。这些问题已成为限制集成估计方法性能的关键瓶颈。

针对上述关键瓶颈，西安交通大学徐俊团队提出了一种基于stacking的两层集成SOH估计方法。该方法从电池短时的恒流充电过程提取三个健康特征，将三个异质的机器学习（ML）模型（LR、SVR、GPR）集成起来用于SOH估计，二级学习器LR实现了基模型的自动权重分配。集成结构中的不同组分对集成性能的影响被系统性研究，结果表明基模型的多样性、基于交叉验证的数据集生成以及二级学习的选择保证了集成模型的泛化性，对集成性能的影响至关重要。采用两种训练策略验证了所提出的集成方法，实验表明该方法高度适用于不同的电极材料（NCA、NCM）和运行条件（温度、倍率）。具体来说，所提集成方法分别以29%、32%、44%的性能提升幅度优于最优的基模型、平均集成策略以及SOTA集成学习方法。此外，即使在训练数据量减少的情况下，相比单一ML模型，所提集成模型仍拥有最稳定的SOH估计性能。这项工作突出了将多ML模型集成以获取更准确、稳定的SOH估计性能的前景。

近日，该项工作以“用于电池健康状态估计的异质模型集成方法”（Ensemble Method with Heterogeneous Models for Battery State-of-Health Estimation）为题发表于国际期刊《IEEE Transactions on Industrial Informatics》。论文第一作者为博士生林川平，通讯作者为徐俊教授，合著作者包括博士生侯嘉洋、梁莹以及梅雪松教授，西安交通大学为唯一通讯单位。论文工作得到了国家自然科学基金（52075420）和国家重点研发计划重点专项（2020YFB1708400）的支持。

Chuanping Lin; Jun Xu; Jiayang Hou; Ying Liang; Xuesong Mei, Ensemble Method with Heterogeneous Models for Battery State-of-Health Estimation, IEEE Transactions on Industrial Informatics.

https://ieeexplore.ieee.org/document/10032221

通讯作者简介

徐俊，西安交通大学教授、博导，绿能慧充-西安交大数字能源研究院院长，恩狄-西交储能逆变研究院院长，IEEE高级会员，陕西省电源学会副理事长、分会理事长，陕西省汽车工程学会青工委主任委员，西安市机械工程学会副理事长。长期致力于电动汽车能源管理技术和机电系统控制领域的研究，主持包括国家重点研发计划重点专项课题、工信部项目子课题、国家自然科学基金等项目30余项，发表相关学术论文80余篇，其中ESI高被引论文4篇，授权发明专利20余项。担任Frontiers in Energy Research（IF 3.858）期刊副主编，Energies（IF 3.252）期刊主题编辑，《工业加热》期刊编委，《西安交通大学学报》期刊青年编委，Energy Reports (SCI IF 4.937)等多个高水平期刊客座主编，50余个国内外高水平期刊论文评审专家，JPS和Energy杰出审稿专家。先后多次担任国内外学术会议大会主席、大会联合主席、大会程序委员会主席、大会组委会联合主席、程序委员会主席，受邀做主旨报告与特邀报告多次。以第一完成人获陕西省自然科学二等奖、中国产学研合作创新奖、陕西省高等学校科学技术奖一等奖、中国发明创业奖·成果奖二等奖，以第二完成人获陕西省教学成果二等奖、校教学成果特等奖等奖励。

联系邮箱：

[email protected]

个人主页：

https://gr.xjtu.edu.cn/web/xujunx