本發(fā)明公開了一種基于鄰近特征的鋰離子電池健康狀態(tài)估計(jì)方法,采用大電流充電過程中部分充電電壓數(shù)據(jù),提取等電壓間隔時(shí)間、等電壓區(qū)間電壓測量平均值作為特征向量,基于雙層長短期記憶神經(jīng)網(wǎng)絡(luò)DL?LSTM,提出利用預(yù)測起始點(diǎn)前鄰近的2倍歷史數(shù)據(jù)而不是預(yù)測起始點(diǎn)前全部歷史數(shù)據(jù)進(jìn)行模型訓(xùn)練的鄰近特征方法,實(shí)現(xiàn)電池的可用容量預(yù)測。本發(fā)明方法適用快速充電條件下電池健康狀態(tài)預(yù)測,解決了大電流充電電池不同老化階段衰減速率不同對預(yù)測精度的影響,將可用容量預(yù)測精度提升4倍以上,預(yù)測值的平均絕對誤差、均方根誤差均小于0.5%,并且減少了模型訓(xùn)練的時(shí)間成本,對于快速充電條件下電動(dòng)汽車的發(fā)展有重要意義。
聲明:
“基于鄰近特征的鋰離子電池健康狀態(tài)估計(jì)方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)