文献类型：期刊文章

作　　者：胡晨[1] 金翼[1] 崔邴晗[2] 杜春雨[2]

HU Chen;JIN Yi;CUI Bing-han;DU Chun-yu(National Key Laboratory on Operation and Control of Renewable Energy and Energy Storage,China Electric Power Research Institute,Beijing 100192,China;Institute of Advanced Chemical Power Sources,School of Chemistry and Chemical Engineering,Harbin Institute of Technology,Harbin,Heilongjiang 150001,China)

机构地区：[1]中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192 [2]哈尔滨工业大学化工与化学学院,特种化学电源研究所,黑龙江哈尔滨150001

出　　处：《电池》

基　　金：国家电网公司科技项目(DG71-17-009)。

年　　份：2021

卷　　号：51

期　　号：1

起止页码：63-67

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出以对电池衰减老化敏感的电压增量作为特征量,使用铅酸电池全寿命周期数据,利用深度神经网络算法(DNN)建模,进行健康状态(SOH)在线估算,以提高预测的准确性。该方法能准确预测电池的SOH。在不同循环倍率(0.10C、0.15C和0.20C)下,以容量作为估算方法,SOH估算平均误差小于1.0%,最大误差不超过3.0%;在不同(60%、80%和100%)放电深度(DOD)下,以放电截止电压作为估算方法,SOH估算平均误差小于0.5%,最大误差不超过3.0%。

关 键 词：铅酸电池 健康状态(SOH)  电压增量  深度神经网络(DNN)  

分 类 号：TM912.1]