基于深度学习的动力锂离子电池容量估计

作者：郭邦军^*; 李家琦; 马小乐; 王芳

来源：电池, 2022, 52(05): 517-521.

DOI：10.19535/j.1001-1579.2022.05.009

• 锂离子电池
• 容量估计
• 循环神经网络(RNN)
• 支持向量回归(SVR)

面向新能源汽车用户的特点，提出基于深度学习的锂离子电池容量估计方法。使用循环神经网络(RNN),学习车载动力锂离子电池的负载电流、电芯温度和放电量序列到电压序列的函数映射关系。训练后，将设定的1.00 C放电对应的电流、温度和放电量序列输入到模型中，获取输出的电压序列。由电池的循环老化数据，从1.00 C放电曲线中提取特征，使用支持向量回归(SVR)模型学习提取特征到电池容量之间的函数映射关系。从RNN预测的电压曲线中提取特征，输入SVR模型，得到电池的容量估计值。所提模型充分利用了充放电数据，容量的估计误差不超过2.253%。

• 单位
  上海交通大学; 中国汽车技术研究中心有限公司