文档名：基于ISSACNNBiGRUAttention的锂电池健康状态评估
摘要：健康状态(SOH)预测对于电池管理系统至关重要.针对电池健康状态评估建模复杂、预测误差大等问题,准确的SOH预测仍需要改进.本文结合容量增量分析(ICA)和差分电压分析(DVA)方法,提出了一种改进麻雀优化算法(ISSA)-卷积神经网络(CNN)-双向门控递归单元(BiGRU)-注意力机制(Attention)的锂电池健康状态评估方法.通过对容量增量(IC)曲线和差分电压(DV)曲线进行高斯滤波处理,避免了噪声的影响.通过马里兰大学先进的生命周期工程中心(CALCE)数据进行处理,从滤波后的IC和DV曲线上提取一组新的电池老化特征,所提4个老化特征与SOH之间的Pearson相关系数在0.9以上.使用ISSA-CNN-BiGRU-Attention方法来构建电池SOH的预测模型,将所提方法与CNN、BiGRU、CNN-BiGRU等方法进行比较,实验结果表明,该方法的MAE与RMSE误差最大值分别为0.00544和0.00717,对比其他模型,具有优秀的鲁棒性和准确性,具有更好的实际使用价值.
Abstract：Stateofhealth(SOH)predictionsarecriticalforbatterymanagementsystems.Duetothecomplexityofbatteryhealthassessmentmodelingandlargepredictionerrors,accurateSOHpredictionstillneedstobeimproved.Inthispaper,Improvedsparrowsearchalgorithm(ISSA)-Convolutionalneuralnetwork(CNN)-BidirectionalGatedRecurrentUnit(BiGRU)-Attentionmechanismforlithiumbatteryhealthstatusassessmentisproposedbycombiningcapacityincrementanalysis(ICA)anddifferentialvoltageanalysis(DVA)methods.Firstly,thecapacityincrement(IC)curveanddifferentialvoltage(DV)curveareprocessedbyGaussianfilteringtoavoidtheinfluenceofnoise.AsetofnewbatteryagingfeatureswereextractedfromthefilteredICandDVcurvesthroughthecenterforadvancedlifecycleengineeringAdvancedLifeCycleEngineering(CALCE)dataprocessing.ThePearsoncorrelationcoefficientbetweenthefouragingfeaturesandSOHwasabove0.9.ISSA-CNN-BiGRU-AttentionmethodwasusedtoconstructapredictionmodelofbatterySOH,andtheproposedmethodwascomparedwithCNN,BiGRU,CNN-BIGRUandothermethods.ExperimentalresultsshowedthatthemaximumMAEandRMSEerrorsoftheproposedmethodwere0.00544and0.00717,respectively.Comparedwithothermodels,ithasexcellentrobustnessandaccuracy,andhasbetterpracticalusevalue.
作者：陈新岗 赵龙 马志鹏 李松 张知先 Author：ChenXingang ZhaoLong MaZhipeng LiSong ZhangZhixian
作者单位：重庆理工大学电气与电子工程学院重庆400054;重庆市能源互联网工程技术研究中心重庆400054重庆理工大学电气与电子工程学院重庆400054
刊名：电子测量技术 ISTICPKU
Journal：ElectronicMeasurementTechnology
年，卷(期)：2024, 47(8)
分类号：TM912TN98
关键词：锂离子电池 SOH 容量增量分析 差分电压分析 CNN BiGRU
Keywords：lithium-ionbattery SOH incrementalcapacityanalysis differentialvoltageanalysis CNN BiGRU
机标分类号：TM912.4TP391.41U469.72
在线出版日期：2024年7月16日
基金项目：重庆市自然科学基金，重庆市教委科学技术研究项目，重庆理工大学研究生教育高质量发展项目基于ISSA-CNN-BiGRU-Attention的锂电池健康状态评估[
期刊论文] 电子测量技术--2024, 47(8)陈新岗 赵龙 马志鹏 李松 张知先健康状态(SOH)预测对于电池管理系统至关重要.针对电池健康状态评估建模复杂、预测误差大等问题,准确的SOH预测仍需要改进.本文结合容量增量分析(ICA)和差分电压分析(DVA)方法,提出了一种改进麻雀优化算法(ISSA)-卷积神经...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于ISSA-CNN-BiGRU-Attention的锂电池健康状态评估 State of health assessment of lithium batteries based on ISSA-CNN-BiGRU-Attention
基于ISSA-CNN-BiGRU-Attention的锂电池健康状态评估.pdf
- 文件大小:
- 7.32 MB
- 下载次数:
- 60
-
高速下载
|
|
