Machines à vecteurs de support utilisées pour estimer l'état de charge de la batterie

L'objectif de cette étude est d'estimer l'état de charge (SOC) d'une cellule de batterie au lithium fer manganèse phosphate (LiFeMnPO ₄) haute capacité à partir d'un ensemble de données expérimentales en utilisant une approche de machine à vecteurs de support (SVM). Le SVM est un type de machine d'apprentissage basé sur la théorie de l'apprentissage statistique. De nombreuses applications nécessitent une mesure précise de l'état de charge de la batterie afin de donner aux utilisateurs une indication du temps d'utilisation disponible. C'est particulièrement important pour les véhicules électriques ou les dispositifs portables. Dans cet article, l'estimateur de SOC proposé extrait les paramètres du modèle à partir des cycles de test de charge/décharge de la batterie, en utilisant le courant de cellule, la tension de cellule et la température de cellule comme variables indépendantes. Des tests sont effectués sur une cellule lithium-ion de 60 Ah avec le cycle de test de contrainte dynamique pour mettre en place le modèle SVM. L'estimateur de SOC SVM maintient un niveau de précision élevé, meilleur que 6 % sur toutes les gammes de fonctionnement, que la batterie soit chargée/déchargée à courant constant ou qu'elle fonctionne dans un profil de courant variable.