基于多健康因子LSTM的电池容量估计方法

作者：莫易敏; 陈佳浩; 叶鹏; 范文健; 韦军; 孙静宇

来源：电源学报, 2023, 1-13.

• 容量估计
• 电池SOH
• LSTM神经网络
• 锂离子电池

为了准确判断电池可用容量，采用长短期记忆网络（LSTM，Long Short-Term Memory）对电池容量估算。首先分析电池各参数全生命周期变化曲线，计算其与电池容量之间的皮尔逊相关系数，选择电池电压、内阻、等压降时间等参数作为健康因子构建电池容量估计模型。使用美国先进寿命周期工程中心(Center for Advanced Life Cycle Engineering， CALCE)电池数据集进行模型训练并估算电池容量，估计模型的平均百分误差为1.19%。分析估算误差产生的原因，通过电池初始容量参数修正和电池老化参数修正进行了模型优化。优化结果表明，使用电池电压、内阻、恒流充电时间和4V-3.4V等压降时间构建模型估计误差在0.55%左右。

• 单位
  武汉理工大学; 机电工程学院