基于CNN-Bi-LSTM的锂离子电池健康状态估算

作     者：李凯 胡丽 宋婷婷 LI Kai;HU Li;SONG Tingting

作者机构：国网山东省电力公司潍坊供电公司山东潍坊261014 

基　　金：国网山东省电力公司科技项目“基于储能的低压配电台区优化设计与新能源多维度协同调控技术研究及应用”(520604220003) 

出 版 物：《山东电力技术》 (Shandong Electric Power)

年 卷 期：2023年第50卷第10期

页      码：66-72页

摘      要：锂离子电池健康状态(state of health,SOH)是电池管理系统的重要参数。精确的SOH估算可以提供故障和老化更换预警,保证储能电站的安全稳定运行。选取充电平均电流、放电平均电压与放电平均温度作为输入特征,结合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM),提出基于CNN-Bi-LSTM的锂离子电池SOH在线估算方法。该方法通过CNN自动提取输入网格数据的空间特征,输入数据获取方便,无须储存大量数据。继而利用Bi-LSTM充分挖掘电池老化过程中的时序特征,最终实现精确SOH估算。美国国家航空航天局(national aeronautics and space administration,NASA)电池老化数据集上的测试结果表明,所提方法估算SOH的平均绝对误差与均方根误差分别低于1.07和1.32,精度优于Bi-LSTM和CNN-LSTM两种方法。

主 题 词：锂离子电池 健康状态 卷积神经网络 长短期记忆神经网络 

学科分类：0808[工学-自动化类] 08[工学] 

D　O　I：10.20097/j.cnki.issn1007-9904.2023.10.009

馆 藏 号：203124227...