文档名：多尺度特征融合的锂离子电池循环寿命及拐点预测
摘要：锂离子电池在反复充放电过程中容量逐渐衰减,到达拐点后容量急剧衰减至寿命结束.拐点的出现可能导致电池故障或寿命缩短等问题,为了确保系统的安全使用,提出了一种基于多尺度特征融合模型预测循环寿命及拐点.首先,使用多个扩张率的卷积神经网络(CNN)从电压、电流和温度等数据中提取不同时间尺度的健康特征,并通过长短期记忆神经网络(LSTM)挖掘特征的时间序列依赖关系.其次,对电池早期和后期的衰退轨迹拟合以识别拐点.最后,利用Stanford-MIT数据集验证模型的有效性和准确性,结果显示该模型使用前80个循环数据能准确预测电池循环寿命和拐点,误差RMSE分别低于30和60次,MAPE分别低于2％和5％.准确预测拐点有利于电池性能和寿命的改进,对电池健康管理至关重要.
作者：史永胜 胡玙珺 翟欣然Author：SHIYongsheng HUYujun ZHAIXinran
作者单位：陕西科技大学电气与控制工程学院,陕西西安710021
刊名：电源技术 ISTICPKU
Journal：ChineseJournalofPowerSources
年，卷(期)：2023, 47(12)
分类号：TM912.9
关键词：锂离子电池 寿命预测 拐点 卷积神经网络 长短期记忆神经网络
Keywords：lithium-ionbattery lifeprediction kneepoint convolutionalneuralnetwork longshort-termmemorynetwork
机标分类号：TP391TP181F830.91
在线出版日期：2024年1月24日
基金项目：国家自然科学基金，陕西省科技厅工业科技攻关计划项目多尺度特征融合的锂离子电池循环寿命及拐点预测[
期刊论文] 电源技术--2023, 47(12)史永胜 胡玙珺 翟欣然锂离子电池在反复充放电过程中容量逐渐衰减,到达拐点后容量急剧衰减至寿命结束.拐点的出现可能导致电池故障或寿命缩短等问题,为了确保系统的安全使用,提出了一种基于多尺度特征融合模型预测循环寿命及拐点.首先,使用多...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
多尺度特征融合的锂离子电池循环寿命及拐点预测 Prediction of cycle life and knee points in lithium-ion batteries through multi-scale feature fusion
多尺度特征融合的锂离子电池循环寿命及拐点预测.pdf
- 文件大小:
- 3.76 MB
- 下载次数:
- 60
-
高速下载
|
|
