关键词:
储能电池
健康状态
片段数据
长短期记忆神经网络
摘要:
针对目前电化学储能电池的健康状态(state of health,SOH)评估精度有限的问题,首先通过分析数据相关性,选取充电过程中电压达到3.25 V后的10 min、达到3.35 V前的20 min以及达到3.40 V前30 min的电压变化值作为健康因子,作为模型的输入参量,输入到遗传算法优化的长短期记忆神经网络中以实现储能电池的SOH评估。为了验证评估方法的有效性,选取5支软包磷酸铁锂电池进行循环老化实验,得到健康因子和实际的SOH值用于建模,将评估结果与实际SOH值进行对比。用均方误差(mean square error,MSE)与平均绝对百分比误差(mean absolute percentage error,MAPE)对评估结果进行量化,结果表明,模型的SOH评估准确,相较于未被优化的长短期记忆神经网络,MSE和MAPE分别降低了48.3%与74.1%。