一种编解码器模型的锂离子电池健康状态估算

作     者：刘昊天 王萍 程泽 LIU Haotian;WANG Ping;CHENG Ze

作者机构：天津大学电气自动化与信息工程学院天津市南开区300072 

基　　金：国家自然科学基金项目(61873180) 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2021年第41卷第5期

页      码：1851-1859页

摘      要：随着锂离子电池应用领域的愈加广泛,实时、准确的评估其健康状态(state of health,SOH)成为确保电池安全可靠运行的重要要求。该文提出一种基于注意力机制解码器模型的锂离子电池SOH估算方法,该算法结合与GRU的特点,将数据编码成一组包含内在特征的序列,并由注意力帮助解码器完成最终的解算。该算法无需建立电池模型,也不需要过多的先验知识,仅通过单个采样周期的电压、电流采样值即可获得较高精度的SOH估计值。为适应更多应用场景,该文设计定长片段放电数据、定长片段充电数据及变长片段充电数据等3种输入模式,验证实验中,3种估算模式的平均绝对误差均小于1%,表明该估算方法具有估算周期短、估算精度高及适应性强等特性。

主 题 词：锂离子电池 健康状态 深度学习 编解码器模型 注意力机制 

学科分类：0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.13334/j.0258-8013.pcsee.200090

馆 藏 号：203102579...