论文摘要
最大可用容量是衡量锂离子电池寿命状态的重要依据。在分析电池寿命实验和开路电压实验特性的基础上,提出一种能够表征锂离子电池最大可用容量的健康因子。由于该健康因子仅利用电池充电或放电至某电压后,搁置10min内端电压压降信息,与传统方法相比,不限制电池的运行工况,能够快速预测电池健康状态,且获取健康因子时不需要对电池放电。论文进一步采用多种神经网络回归预测方法,建立健康因子与电池可用容量和寿命状态之间的关系,在对实验结果进行比较分析的基础上,提出一种加权混合神经网络模型。实验结果表明,所提出的健康因子能够用于表征电池寿命状态,且对实验工况有较强的鲁棒性,提出的加权混合神经网络模型能够获得高精度健康状态预测结果。
论文目录
文章来源
类型: 期刊论文
作者: 郭永芳,黄凯,李志刚
关键词: 锂离子电池,端电压压降,寿命状态,回归预测
来源: 电工技术学报 2019年19期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 河北工业大学人工智能与数据科学学院,省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)
基金: 国家自然科学基金（51377044）,河北省自然科学基金重点项目（E2017202284）,河北省教育厅青年基金（QN2017314,QN2017316）资助项目
分类号: TM912
DOI: 10.19595/j.cnki.1000-6753.tces.181206
页码: 3968-3978
总页数: 11
文件大小: 2126K
下载量: 382