文献类型：期刊文章

作　　者：张朝龙[1,2] 罗来劲[2] 刘惠汉[2] 赵筛筛[2]

Zhang Chaolong;Luo Laijin;Liu Huihan;Zhao Shaishai(College of Intelligent Science and Control Engineering,Jinling Institute of Technology,Nanjing 211169,China;School of Electronic Engineering and Intelligent Manufacturing,Anqing Normal University,Anqing 246011,China)

机构地区：[1]金陵科技学院智能科学与控制工程学院,南京211169 [2]安庆师范大学电子工程与智能制造学院,安庆246011

出　　处：《电子测量与仪器学报》

基　　金：国家重点研发计划(2020YFB0905905,2016YFF0102200);国家自然科学基金重点资助项目(51637004);金陵科技学院高层次人才科研启动基金(jit-rcyj-202202);安庆师范大学研究生创新创业项目(2022cxcysj161)资助

年　　份：2023

卷　　号：37

期　　号：1

起止页码：167-176

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：锂离子电池健康状态(SOH)的精确估计是电池管理系统面临的核心问题之一。针对实际的电池容量很难直接测量和容量再生导致的SOH估计误差问题,提出了一种基于增量能量法和双向门控循环网络(BiGRU)-Dropout的锂离子电池健康状态估计方法。首先分析增量能量曲线随电池老化的衰退规律,提取出最大峰值高度作为电池SOH的新健康因子。通过翻转层和门控循环网络层所搭建的BiGRU网络得出健康因子与SOH的映射关系,同时添加Dropout机制网络层防止出现过拟合现象,建立SOH估计模型用于电池SOH精确估计。实验结果表明,在不同充电倍率条件下,该方法均可快速、准确地估计电池SOH。

关 键 词：锂离子电池 健康状态  增量能量法  双向门控循环网络  Dropout机制  

分 类 号：TM912]