基于交流阻抗的储能用锂离子电池内温估计OA

提出了一种基于电化学阻抗谱(EIS)与深度学习相结合的电池内部温度无损估计方法。通过系统采集不同SOC与环境温度条件下的105 Ah磷酸铁锂电池EIS数据,依据频率-温度相关性筛选出对温度高度敏感且受SOC干扰较小的特征频点,并提取该频点阻抗的实部、虚部、模值与相位角作为多维输入特征;在此基础上设计了融合卷积神经网络(CNN)局部特征提取与双向长短期记忆网络(BiLSTM)时序建模能力的回归框架,用以实现对电池内部温度的精确预测。试验结果表明,在未经训练的数据集上内温估计误差RMSE<1.2℃,该方法在精度和泛化能力上均表现良好,相较于植入传感器等其他传统方法,所提方法具有非侵入性、对SOC鲁棒且更易于工程实现的优势。