|
|||||
|
|
| 基于EIS和神经网络的退役电池SOH快速估计 | |
| 作者姓名： | 耿萌萌 范茂松 杨凯 赵光金 谭震 高飞 张明杰 |
| 作者单位： | 中国电力科学研究院有限公司,北京 100192;国网河南省电力公司电力科学研究院,河南 郑州 450052 |
| 摘 要： | 为了提高退役电池健康状态估计的速度和精度,针对某电动大巴车退役的方形磷酸铁锂电池,选取其中8只电池继续进行循环老化实验,并在不同循环周期后进行电化学阻抗测试.根据锂离子电池阻抗特性,提取300 Hz、60 Hz以及1 Hz下的实部、虚部和模值为特征参量,将测试时间由十几分钟缩短至几秒钟.以特征参量为输入参数,结合BP神经网络算法,搭建了基于电化学阻抗和BP神经网络的退役电池健康状态快速估计模型,采用19组未参与模型训练的数据对模型进行验证,验证样本的健康状态估计值的平均绝对百分误差(MAPE)为1.46％,均方根误差(RMSE)为1.60％,结果表明整体误差较低.该方法估测精度高,测试时间短,实现了退役电池健康状态快速估计,更有利于实际应用. |
| 关 键 词： | 交流阻抗谱 BP神经网络 退役电池 健康状态 |
Fast estimation method for state-of-health of retired batteries based on electrochemical impedance spectroscopy and neural network |
|
| Authors: | GENG Mengmeng FAN Maosong YANG Kai ZHAO Guangjin TAN Zhen GAO Fei ZHANG Mingjie |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |