-
题名考虑实际退役电池常用SOC范围的SOH预测
- 1
-
-
作者
杜燕
陶骁
苏建徽
李金中
谢毓广
朱轲
-
机构
合肥工业大学电气与自动化工程学院
合肥综合性国家科学中心能源研究院
国网安徽省电力有限公司电力科学研究院
-
出处
《太阳能学报》
北大核心
2025年第2期99-105,共7页
-
基金
合肥综合性国家科学中心能源研究院重大培育项目(21KZS210)
校级研究生质量工程项目(2021YJG113)。
-
文摘
针对退役电池老化程度较高,在动力电池上采用的健康特征无法满足退役电池实际工作时的荷电状态(SOC)的范围的问题,提出在退役电池实际使用时SOC的主要分布范围内获取电池充电数据,通过获取的数据预测SOH,提升算法运用的实用性。在此基础上,针对传统SOH估计算法提取能反映电池老化特性的特征较困难,且无法完全利用数据的问题,提出利用一维深度卷积神经网络(CNN)提取电池特征,再将特征输入到长短期神经网络(LSTM)中预测SOH。利用美国国家航空航天局(NASA)锂离子电池随机数据集对算法进行验证,该方法能采取较少的电池片段来实现准确的SOH估算,且相较于传统的SOH算法,更能贴合退役电池实际使用需求。
-
关键词
退役电池
电池健康状态
电池荷电状态
卷积神经网络
长短期神经网络
充电数据片段
-
Keywords
decommissioned battery
battery health status
state of charge
convolutional neural network
long and short term neural networks
charging data segment
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
