01
SOH概述
电池健康状态定义、SOH与SOC的区别、日历老化与循环老化机理
基础概念
02
SOH评估指标
容量衰减、内阻增加、功率衰减、能量效率变化
指标量化
03
等效电路模型基础
Rint、Thevenin、PNGV、DP模型原理与对比
建模电路
04
参数辨识方法
最小二乘法、递推最小二乘、卡尔曼滤波在参数辨识中的应用
辨识算法
05
实验设计
HPPC测试、OCV-SOC标定、不同温度倍率循环老化方案
测试标定
06
数据预处理
异常值检测、滤波平滑、容量再生效应处理、归一化
清洗特征工程
07
基于容量衰减的SOH估计
直接积分法、安时积分修正、容量增量分析(ICA)
容量ICA
08
基于内阻的SOH估计
直流内阻(DCR)与交流内阻(EIS)测量与建模
内阻EIS
09
基于电压曲线的SOH估计
差分电压分析(DVA)、IC曲线峰值追踪
电压DVA
10
机器学习入门
特征工程、数据集划分、回归与分类在SOH中的应用
ML入门
11
线性回归模型
一元/多元线性回归、Ridge/Lasso在SOH预测中的应用
回归正则化
12
支持向量机
SVR原理、核函数选择、超参数调优
SVMSVR
13
随机森林与集成学习
Bagging、特征重要性分析、模型融合
集成随机森林
14
神经网络基础
感知机、激活函数、反向传播、过拟合与Dropout
NN基础
15
LSTM与RNN
循环神经网络原理、时间序列预测、LSTM实战
RNNLSTM
16
CNN在SOH中的应用
一维卷积、特征提取、充电曲线图像识别
CNN卷积
17
迁移学习
预训练模型微调、域适应、小样本SOH估计
迁移微调
18
混合模型
物理模型与数据驱动融合、PINN入门
混合PINN
19
卡尔曼滤波进阶
扩展卡尔曼(EKF)、无迹卡尔曼(UKF)在SOH中的应用
EKFUKF
20
粒子滤波
序贯重要性采样、重采样、非线性SOH估计
粒子滤波非线性
21
电池老化数据集介绍
NASA、CALCE、牛津、MIT数据集
数据集开源
22
仿真平台搭建
Python环境配置 (NumPy, SciPy, Pandas, Scikit-learn, PyTorch)
环境工具
23
SOH评估系统架构
数据采集层、特征提取层、模型推理层、可视化层
架构系统
24
实时SOH估计
嵌入式实现、计算优化、模型轻量化(量化/剪枝)
实时轻量化
25
不确定性量化
蒙特卡洛Dropout、贝叶斯神经网络、置信区间输出
不确定性贝叶斯
26
SOH预测
剩余使用寿命(RUL)预测、经验退化模型、数据驱动预测
RUL预测
27
多节电池一致性
串联/并联电池组SOH评估、不一致性影响与均衡策略
电池组均衡
28
标准与法规
ISO 12405、IEC 62660、GB/T 31484对SOH测试要求
标准法规
29
案例实战
基于NASA数据集的完整SOH估计流程 (数据→特征→训练→评估)
实战NASA
30
总结与展望
SOH技术趋势、数字孪生、云BMS、下一代电池挑战
趋势固态