随着锂离子电池的使用，电池会不可避免的发生老化，老化到一定程度时，电池将无法满足使用要求，需要进行更换，而若此时使用者因为不清楚这一点而继续使用电池的话，则会影响性能输出，重则酿成事故。因此，对电池的老化状态，也即健康状态（SOH）进行准确的预测就显得尤为重要。

以往的健康状态预测往往是通过电压、电流等属性进行预测的，而忽视了其他一些可能可以用来进行预测的属性，如温度。因此，近日有人提出了一种利用温度来实现健康状态预测的方法。对电池恒流充电过程中电池温度随时间变化的曲线进行微分，并用卡尔曼滤波平滑处理，将处理之后的曲线分成三个区域，通过在区域Ⅱ中的曲线进行均匀采样的方式得到[DT₁, DT₂, ······, DT_n]，并将其作为健康指标（HI）。然后利用支持向量回归（SVR）算法找出健康指标（HI）与健康状态（SOH）之间的潜在关系，从而通过温度实现健康状态的预测。该工作还将温度与以往常用的属性相结合，实现了比用单一属性预测更高的精度和稳定性。相关论文发表在IEEE Transactions on Power Electronics上。

原文链接：https://ieeexplore.ieee.org/document/9025057

（刘伟）