标题：基于SOM神经网络的蓄电池SOH快速检测研究
作者：蒋海锋1，3；万畅1，2；林树胜3
作者单位：1 广东省科技干部学院，广东 珠海 519090；2 广东省大数据分析与处理重点实验室，广东 广州 510006；3 珠海（深圳）清华大学研究院创新中心能源与工业智能技术研究所， 广东 珠海 519080
关键字：SOM神经网络；蓄电池容量；SOH；机器学习；时序相似性搜索
摘要：介绍了一种通过机器学习快速分离同组不健康电池及预测未知蓄电池健康度SOH的方法。IEC60896-22-2004和GB/T19638.2-2005标准规定了铅酸蓄电池的容量标准及检测方法。标准的容量测试方法需要使用C10的电流恒流放电10个小时，试验方法在实际中难以应用于数量庞大的在用蓄电池组。研究一种基于机器学习的替代方法，对蓄电池组均衡电压后进行快速5分钟大电流充电和5分钟大电流放电，提取充放电的特征，通过SOM神经网络将每个蓄电池特征映射到二维平面，然后通过聚类分析分离不同容量性能的电池。更进一步，通过多次机器学习和按照标准方法获取真实容量，建立监督学习的训练集，利用SOM神经网络聚类中心距离或者时序相似性搜索算法用于快速评估未知电池样本的容量，准确率达96%。