基于注意力改进BiGRU的锂离子电池健康状态估计

作者：王凡; 史永胜^*; 刘博亲; 左玉洁; 符政; ALI Jamsher

来源：储能科学与技术, 2021, 10(06): 2326-2333.

DOI：10.19799/j.cnki.2095-4239.2021.0099

• 锂离子电池
• 健康状态
• 自编码器
• 注意力机制
• 双向门控循环神经网络

锂离子电池的健康状态(state of health, SOH)是电池管理系统的核心问题,对其精确的评估能够保障电池的安全可靠运行。然而在实际应用中,容量较难直接测得,导致SOH估算困难。为了获得准确的SOH,本文提出一种基于注意力改进双向门控循环单元(BiGRU)的锂离子电池SOH估计方法。首先提取电池充放电曲线中的电压、电流与阻抗等参数,通过自编码器(auto encoder, AE)对其降维,提取特征量并减少数据间的冗余性。其次,引入注意力机制(attention mechanism, AM)对输入变量分配权重,突出对SOH估计起到关键作用的特征量。最后,利用BiGRU学习输入变量与容量之间的映射关系,捕获容量衰减下的长期依赖性。在不同充电倍率的电池数据集上的结果表明,该方法对不同类型电池的SOH皆可以实现高精度估计,均方根误差在1.1%以下。

• 单位
  陕西科技大学