基于1DCNN-LSTM的锂离子电池SOH预测

作者：王英楷; 张红^*; 王星辉^*

来源：储能科学与技术, 2022, 11(01): 240-245.

DOI：10.19799/j.cnki.2095-4239.2021.0250

• 1DCNN
• LSTM
• 锂电池
• 多通道特征
• 电池寿命

为了提高锂离子电池健康状态(SOH)的预测精准度和稳定性，针对常规特征选取复杂且无法有效利用等问题，提出了一种联合一维卷积(1DCNN)与长短记忆网络(LSTM)的电池SOH预测方法。首先采用多通道串联电压、电流、温度构建多维特征，然后采用1DCNN从样本数据中提取高级数据特征输入LSTM中以有效利用历史信息，最后通过全连接层输出电池SOH的预测结果。采用NASA锂离子电池容量衰减数据，对所应用的联合算法进行验证，结果表明，相较于其他预测算法，基于1DCNN-LSTM的算法具有更准确的SOH预测结果，其平均绝对误差(MAE)为0.01左右，且失效点误差周期(RUL)小于2个周期。