为了实现实时、高效、精准的锂电池健康状态(state of health,SOH)估计,提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer,GWO)优化卷积神经网络(convolutional neural network,CNN)的SOH估计方法。通过提取部分恒压充电过程中...
详细信息
为了实现实时、高效、精准的锂电池健康状态(state of health,SOH)估计,提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer,GWO)优化卷积神经网络(convolutional neural network,CNN)的SOH估计方法。通过提取部分恒压充电过程中的电流和时间序列数据,利用CNN自动提取特征,简化传统方法中繁琐的特征工程步骤,克服对完整充电数据的依赖,能显著降低数据采集和储存的成本。引入GWO对CNN的超参数进行优化,提高模型的估计精度。NASA和CALCE电池数据集的实验结果表明,该方法在SOH估计方面具有较高的精准度。
暂无评论