基于脉冲电压和CNN-GRU的梯次利用锂电池健康状态估计OA
针对梯次利用锂电池健康状态SOH(state-of-health)在线估算困难、估算精度不足的问题,提出1种基于脉冲电压与混合神经网络的估算方法,该方法将电池脉冲电压响应曲线提取与电池SOH退化相关的端电压斜率和校正标准差作为健康特征,结合卷积神经网络CNN(convolutional neural networks)与门控循环单元GRU(gated recurrent unit),实现高精度和高稳定性的梯次利用锂电池SOH在线估算。搭建电池测试系统平台,对所提梯次利用锂电池SOH估算策略进行检验。结果表明,所提方法在实时精确估算锂电池SOH方面表现出色,平均绝对误差和均方根误差均在0.01内,同时具有良好的泛化能力和鲁棒性。
杨传凯;刘皓璐;杨毅琛;樊玉;张慧颖;邵建伟
国网陕西省电力有限公司电力科学研究院,西安710100国网陕西省电力有限公司电力科学研究院,西安710100国网陕西省电力有限公司电力科学研究院,西安710100陕西大秦电能集团有限公司,西安710004武汉大学电气与自动化学院,武汉430072武汉大学电气与自动化学院,武汉430072
信息技术与安全科学
梯次利用锂电池健康状态脉冲电压卷积神经网络-门控循环单元
《电源学报》 2026 (4)
P.178-187,10
国家重点研发计划资助项目(2017YFB1201003)国网陕西省电力有限公司科技资助项目(5226KY23000P)。
评论