基于EIS和神经网络的退役电池SOH快速估计

作者：耿萌萌; 范茂松; 杨凯^*; 赵光金; 谭震; 高飞; 张明杰

来源：储能科学与技术, 2022, 11(02): 673-678.

DOI：10.19799/j.cnki.2095-4239.2021.0503

• 交流阻抗谱
• BP神经网络
• 退役电池
• 健康状态

为了提高退役电池健康状态估计的速度和精度,针对某电动大巴车退役的方形磷酸铁锂电池,选取其中8只电池继续进行循环老化实验,并在不同循环周期后进行电化学阻抗测试。根据锂离子电池阻抗特性,提取300 Hz、60 Hz以及1 Hz下的实部、虚部和模值为特征参量,将测试时间由十几分钟缩短至几秒钟。以特征参量为输入参数,结合BP神经网络算法,搭建了基于电化学阻抗和BP神经网络的退役电池健康状态快速估计模型,采用19组未参与模型训练的数据对模型进行验证,验证样本的健康状态估计值的平均绝对百分误差(MAPE)为1.46%,均方根误差(RMSE)为1.60%,结果表明整体误差较低。该方法估测精度高,测试时间短,实现了退役电池健康状态快速估计,更有利于实际应用。

• 单位
  国网河南省电力公司电力科学研究院; 中国电力科学研究院有限公司