基于自动编码器的锂离子电池状态评估方法

作者：韩云飞; 谢佳; 蔡涛^*; 段善旭; 程时杰

来源：电力系统自动化, 2021, 45(24): 41-48.

• 锂离子电池
• 状态评估
• 深度学习
• 卷积神经网络
• 自动编码器

准确的电池状态估计对于确保电池储能系统的安全可靠运行至关重要。电池的健康状态(SOH)虽然能反映电池的老化状态,但SOH估计模型的建立受到实际标签数据难以获得或是测试代价高昂的限制。文中基于无监督机器学习模型,建立了一种新的健康指标对电池进行状态评估。首先,从电池的电压-放电容量曲线选择特征,根据锂离子电池的老化机制将电池状态划分为健康和异常,使用健康的数据对基于卷积神经网络的自动编码器模型进行训练,根据自动编码器的输入、输出计算重构误差,最后将重构误差输入逻辑回归模型对电池状态进行判别。在开源的MIT-Stanford数据集上进行实验,验证了所提方法的有效性。

• 单位
  强电磁工程与新技术国家重点实验室; 华中科技大学