基于LSTM和EIS的锂电池健康状态估计

• 作者: 刘家豪 张宏伟 袁永军
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 锂离子电池 电化学阻抗谱虚部 长短时记忆神经网络 电池健康状态
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 研究与探讨|Research&Approach
• 页码范围: 59-61,65
• 页数: 4页
• 分类号: TM912|TP931
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)12-0059-03

摘要

针对现有的电化学阻抗谱(EIS)理论在锂电池健康状态(SOH)估计中存在的交流阻抗测试时间长、预测精度低的问题,提出一种基于电化学阻抗谱虚部和长短时记忆(LSTM)神经网络的锂电池健康状态估计方法.本文方法只进行特定频率段下的阻抗测试,可以大大缩短电化学阻抗的测试时间,同时LSTM神经网络具有对锂离子电池衰减状态的长期趋势学习的优点,使得预测精度也得到极大地提高.