典型文献
数据驱动的锂离子电池健康状态估计
文献摘要：
为契合纯电动汽车实车电池数据特点,提出一种数据驱动的锂离子电池健康状态(SOH)估计方法.基于前馈神经网络和循环神经网络模型,通过电池动态放电数据学习其动态特性,并参考锂离子电池电化学模型中电池端电压的组成公式,设计电池系统辨识神经网络的结构.该神经网络能较精确地学习电池的端电压响应和预测电池的恒流放电电压曲线,平均误差小于20 mV.基于曲线相似度计算法,利用模型预测的恒流放电电压曲线,对电池的容量和SOH进行估计.所提出的方法可对电池SOH进行精确估计,误差小于2.5％.
文献关键词：
锂离子电池;机器学习;深度学习;神经网络;健康状态(SOH)估计
中图分类号：
作者姓名：
刘良俊;高一钊;朱景哲;张希
作者机构：
上海交通大学机械与动力工程学院,上海 200240
文献出处：
引用格式：
[1]刘良俊;高一钊;朱景哲;张希-.数据驱动的锂离子电池健康状态估计)[J].电池,2022(02):157-161
A类：
B类：
锂离子电池,电池健康状态,健康状态估计,纯电动汽车,SOH,估计方法,前馈神经网络,循环神经网络模型,数据学习,动态特性,电化学模型,端电压,电池系统,系统辨识,识神,地学,电压响应,恒流放电,放电电压,电压曲线,平均误差,mV,曲线相似度,相似度计算,计算法,精确估计
AB值：
0.32493
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
