基于深度学习的铅酸电池健康状态估计

作者：胡晨; 金翼; 崔邴晗; 杜春雨^*

来源：电池, 2021, 51(01): 63-67.

DOI：10.19535/j.1001-1579.2021.01.016

• 铅酸电池
• 健康状态(SOH)
• 电压增量
• 深度神经网络(DNN)

提出以对电池衰减老化敏感的电压增量作为特征量,使用铅酸电池全寿命周期数据,利用深度神经网络算法(DNN)建模,进行健康状态(SOH)在线估算,以提高预测的准确性。该方法能准确预测电池的SOH。在不同循环倍率(0.10 C、0.15 C和0.20 C)下,以容量作为估算方法,SOH估算平均误差小于1.0%,最大误差不超过3.0%;在不同(60%、80%和100%)放电深度(DOD)下,以放电截止电压作为估算方法,SOH估算平均误差小于0.5%,最大误差不超过3.0%。

• 单位
  哈尔滨工业大学; 中国电力科学研究院有限公司