基于混合网络的锂离子电池健康状态与剩余使用寿命联合估计方法

为高效准确实现锂电池健康状态(state of health, SOH)和剩余使用寿命(remaining useful life, RUL)预测，提出了一种基于混合网络的锂离子电池SOH与RUL联合估计方法。首先，建立锂电池间接健康特征(health factor, HF)提取框架，以HF为输入，容量为输出，使用卷积神经网络(convolutional neural network, CNN)和门控循环单元网络(gated recurrent unit, GRU)构成CNN-GRU电池SOH估计模型，对电池SOH进行估计；然后利用SOH估计结果和SOH真实值建立CNN-GRU电池RUL预测模型，对电池RUL进行预测。实验结果表明，SOH估计最大均方根误差在2.31%以内，RUL预测误差在5.29%以内，该方法可以实现锂电池SOH和RUL较为全面的评估。