赵显赫，耿光超，林 达，李志浩，张 杨

（1.浙江大学 电气工程学院，杭州 310027；2.国网浙江省电力有限公司电力科学研究院，杭州 310014；3.国网浙江省电力有限公司，杭州 310007）

0 引言

锂离子电池具有能量密度高、输出电压高、允许使用温度范围大、循环寿命长、自放电现象不明显、污染较小等优点[1]，因而被广泛应用于电网储能、电动汽车、通信基站、商用储能等众多民用领域及航天、航空、航海等军工领域[2-3]。

在使用过程中，锂离子电池的性能会随其内部电化学成分的不可逆退化而下降，这被称为电池老化。电池老化带了电池的安全性与可靠性问题，导致用电设备性能下降或系统故障，甚至引发起火或爆炸的问题。为确保电池的安全性与可靠性，锂离子电池的健康管理技术开始不断发展。电池的SOH（健康状态）与电池的RUL（剩余使用寿命）是电池健康管理的两个重要评价指标，二者均可反映电池在使用过程中的健康状况。已有大量学者对锂离子电池的SOH 估计与RUL 预测进行研究，目前的主流方法分为基于物理模型的电池健康状态评估和基于数据驱动的电池健康状态评估两类[4]。

随着大数据及机器学习技术的蓬勃发展，数据驱动技术已成为当前电池健康分析的主要研究方向，数据驱动预测技术的一般流程如图1 所示。首先采集大量电池使用数据，利用特征工程方法提取电池退化相关特征，借助数据驱动算法，训练出与电池老化特性一致的模型，对电池进行离线或在线的退化分析及健康管理。……