基于Elman神经网络的锂离子电池RUL间接预测研究

• 作者: 安子腾 李练兵 王玲珑 田永嘉 祝亚尊
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 锂离子电池 剩余使用寿命 等压降放电时间 灰色关联分析 Elman神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究与设计
• 页码范围: 1027-1031
• 页数: 5页
• 分类号: TM912
• 字数: 3361字
• 语种: 中文

摘要

锂离子电池实际容量常采用安时积分法得到,存在测量精度差及累积误差的问题.提出了一种利用锂离子电池循环充放电监测参数(电压、时间、内阻、温度等)构建间接健康因子的方法,实现了电池健康状态的间接预测.选择等压降放电时间作为间接健康因子,通过灰色关联分析法验证了其与锂离子电池实际容量的强鲁棒性.构建基于Elman神经网络的剩余使用寿命(remaining useful life,RUL)预测模型.采用NASA公开的锂离子电池数据集进行测试,结果表明提出的方法框架可以有效地进行电池RUL的间接预测,得到精确的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李练兵	河北工业大学控制科学与工程学院	54	510	13.0	20.0
2	祝亚尊	河北工业大学控制科学与工程学院	6	8	2.0	2.0
3	王玲珑	河北工业大学控制科学与工程学院	3	4	1.0	2.0
4	安子腾	河北工业大学控制科学与工程学院	2	6	2.0	2.0
5	田永嘉	河北工业大学控制科学与工程学院	1	4	1.0	1.0