基于1DCNN-LSTM的锂离子电池SOH预测

• 作者: 王英楷 张红 王星辉
• 来源期刊: 储能科学与技术
• 学科: 工学
• 关键词: 1DCNN LSTM 锂电池 多通道特征 电池寿命
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 储能测试与评价|Energy Storage Test: Methods and Evaluation
• 页码范围: 240-245
• 页数: 6页
• 分类号: TM912
• 语种: 中文
• DOI: 10.19799/j.cnki.2095-4239.2021.0250

摘要

为了提高锂离子电池健康状态(SOH)的预测精准度和稳定性,针对常规特征选取复杂且无法有效利用等问题,提出了一种联合一维卷积(1DCNN)与长短记忆网络(LSTM)的电池SOH预测方法.首先采用多通道串联电压、电流、温度构建多维特征,然后采用1DCNN从样本数据中提取高级数据特征输入LSTM中以有效利用历史信息,最后通过全连接层输出电池SOH的预测结果.采用NASA锂离子电池容量衰减数据,对所应用的联合算法进行验证,结果表明,相较于其他预测算法,基于1DCNN-LSTM的算法具有更准确的SOH预测结果,其平均绝对误差(MAE)为0.01左右,且失效点误差周期(RUL)小于2个周期.