| 基于DeepAR与特征选择的锂离子电池在线状态估计 |
| |
| 引用本文： | 史永胜,任嘉睿,李锦,张凯. 基于DeepAR与特征选择的锂离子电池在线状态估计[J]. 电源学报, 2023, 21(2): 163-171 |
| |
| 作者姓名： | 史永胜 任嘉睿 李锦 张凯 |
| |
| 作者单位： | 陕西科技大学电气与控制工程学院, 西安 710021 |
| |
| 基金项目： | 国家自然科学基金资助项目（61871259）；陕西省重点研发计划资助项目（2021-GY135） |
| |
| 摘 要： | 电池健康状态SOH（state-of-health）和荷电状态SOC（state-of-charge）估计是电池管理系统的核心功能。目前，状态估计存在依赖大量历史数据以及单一状态估计适应性差的问题，因此提出一种基于DeepAR与特征选择的锂离子电池状态估计模型。首先，提取电池恒流充电过程中电压、温度及时间间隔数据，组成3组老化特征作为模型输入，用于估计SOH；然后，在估计SOC时考虑SOH估计值，消除了电池老化因素对SOC估算的负面影响；最后，在不同工况下的牛津电池数据集上进行实验验证，并与其他两种算法模型进行误差与收敛性对比。结果表明，所提模型在冷启动估计方面具有较强的优势，SOH和SOC估计精度较高。
|
| 关 键 词： | 锂离子电池 健康状态 荷电状态 自回归循环神经网络 |
| 收稿时间： | 2022-04-09 |
| 修稿时间： | 2023-02-28 |
Online State Estimation of Lithium-ion Batteries Based on DeepAR and Feature Selection |
| |
| SHI Yongsheng,REN Jiarui,LI Jin,ZHANG Kai. Online State Estimation of Lithium-ion Batteries Based on DeepAR and Feature Selection[J]. Journal of Power Supply, 2023, 21(2): 163-171 |
| |
| Authors: | SHI Yongsheng REN Jiarui LI Jin ZHANG Kai |
| |
| Affiliation: | School of Electrical and Control Engineering, Shaanxi University of Science and Technology, Xi''an 710021, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电源学报》浏览原始摘要信息 |
|
点击此处可从《电源学报》下载免费的PDF全文 |
