文献类型：期刊文章

作　　者：郭永芳[1] 黄凯[2] 李志刚[2]

Guo Yongfang;Huang Kai;Li Zhigang(School of Artificial Intelligence Hebei University of Technology, Tianjin 300130 China;State Key Laboratory of Reliability and Intelligence of Electrical Equipment Hebei University of Technology, Tianjin 300130 China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300130 [2]省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学),天津300130

出　　处：《电工技术学报》

基　　金：国家自然科学基金（51377044）;河北省自然科学基金重点项目（E2017202284）;河北省教育厅青年基金（QN2017314,QN2017316）资助项目

年　　份：2019

卷　　号：34

期　　号：19

起止页码：3968-3978

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：最大可用容量是衡量锂离子电池寿命状态的重要依据。在分析电池寿命实验和开路电压实验特性的基础上,提出一种能够表征锂离子电池最大可用容量的健康因子。由于该健康因子仅利用电池充电或放电至某电压后,搁置 10min 内端电压压降信息,与传统方法相比,不限制电池的运行工况,能够快速预测电池健康状态,且获取健康因子时不需要对电池放电。论文进一步采用多种神经网络回归预测方法,建立健康因子与电池可用容量和寿命状态之间的关系,在对实验结果进行比较分析的基础上,提出一种加权混合神经网络模型。实验结果表明,所提出的健康因子能够用于表征电池寿命状态,且对实验工况有较强的鲁棒性,提出的加权混合神经网络模型能够获得高精度健康状态预测结果。

关 键 词：锂离子电池 端电压压降  寿命状态  回归预测  

分 类 号：TM912]