基于GAN-CNN-LSTM的锂电池SOH估计

作者：张岸; 杨春德

来源：电源技术, 2021, 45(07): 902-906.

• 锂电池
• 健康状态
• 生成对抗网络
• 估计

针对当前数据驱动的方法在估计锂电池的健康状态(SOH)时准确率较低的问题,提出了一种新的锂电池SOH在线估计方法。在对锂电池的SOH进行预测之前,利用生成对抗网络(GAN)对原始的锂电池数据进行数据增强,扩充了训练样本,利用卷积神经网络(CNN)与长短期记忆网络(LSTM)提取了输入数据的特征并对锂电池的SOH进行在线估计。实验结果表明,该方法相比于其他主流的数据驱动的方法,具有更高的估计准确率,在B0005锂电池单体上分别从充放电循环的30%、50%、70%开始估计SOH的均方根误差(root mean square error, RMSE)为0.002 2、0.002 2、0.001 4。

• 单位
  重庆邮电大学