-
题名电池剩余容量估算方法综述
被引量：13
- 1
-
-
作者
杨若岑
冬雷
廖晓钟
王飞
-
机构
北京理工大学
北京理工大学珠海学院
-
出处
《电气技术》
2019年第10期1-5,57,共6页
-
文摘
为提高二次电池的利用率而将退役电池进行梯次利用,使得对退役电池的性能评估逐渐变得重要。在退役电池的性能评估和在对电池的剩余容量估算中,可求出电池的当前容量,并为退役电池的筛选和梯次利用提供判断依据。本文总结已有的对电池剩余容量估算方式及相关的对电池健康状态、剩余使用寿命的估算,并对电池剩余容量估算的前景做出展望。
-
关键词
电池剩余容量
电池健康状态
电池剩余使用寿命
-
Keywords
battery remaining capacity
battery state of health
battery remaining useful life
-
分类号
TM9
[电气工程—电力电子与电力传动]
-
-
题名基于BiGRU网络的锂电池寿命预测
被引量：5
- 2
-
-
作者
叶林峰
石元博
黄越洋
-
机构
辽宁石油化工大学计算机与通信工程学院
辽宁石油化工大学信息与控制工程学院
-
出处
《电源技术》
CAS
北大核心
2021年第5期598-601,共4页
-
基金
国家自然科学基金(61702247)。
-
文摘
锂离子电池寿命预测是电池健康管理的一项重要内容,针对锂离子电池使用寿命预测难和单向LSTM神经网络不能充分利用数据信息等问题,提出了一种基于BiGRU的神经网络模型并将电池容量数据作为关键因子的锂离子电池循环寿命预测方法。BiGRU的神经网络预测精度更高,且训练参数较少,验证了BiGRU模型的有效性。
-
关键词
电池剩余使用寿命
锂离子电池
循环神经网络(LSTM)
门控循环单元(GRU)
-
Keywords
battery remaining life
lithium ion battery
cyclic neural network(LSTM)
gating cycle unit(GRU)
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名基于深度学习的锂电池剩余寿命预测方法
被引量：1
- 3
-
-
作者
谢奥
胡克用
戴晓阳
安群
吴天宸
-
机构
杭州师范大学钱江学院
杭州师范大学工学院
-
出处
《移动信息》
2022年第5期5-7,共3页
-
基金
浙江省自然科学基金联合基金资助项目“面向新型城镇的微能源网多时间尺度协调机理与优化调度研究”(项目编号LHY21E090004)的阶段性成果
浙江省高等教育学会2022年度高等教育研究课题“基于‘三层递进、三线融合’的新工科人才培养体系的构建与实践研究”(项目编号:KT2022005)的阶段性成果
+2 种基金
浙江省教育科学规划课题“高校课程思政和专业教学协同育人的探索与研究”(项目编号:2021SCG028)的阶段性成果
杭州师范大学钱江学院学生科研项目“基于深度学习的锂电池剩余寿命预测方法研究”(项目编号:2022QJXS03)的阶段性成果
杭州师范大学钱江学院学生科研项目“基于网络摄像与互联网技术的智能测量系统设计”(项目编号:2022QJXS09)的阶段性成果。
-
文摘
锂电池被广泛运用于生产、生活的各个方面,但由于自放电等各种因素会造成锂电池寿命的衰退,因此,精准预测锂电池的剩余寿命、提高电池的使用效率成了一个非常有意义的研究领域。针对这些问题,文章设计了一个锂电池充放电一体系统,用来收集锂电池的充放电以及寿命等数据,主要是基于神经网络的深度学习,综合各种优点,设计出一种抗干扰能力强、精确度高、具有实用意义的锂电池剩余寿命预测算法,以供参考。
-
关键词
锂电池
电池剩余使用寿命
高斯过程回归
神经网络
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
-
题名基于AE-LSTM的锂电池剩余使用寿命预测
- 4
-
-
作者
程俊涵
王书礼
蔡志远
-
机构
沈阳工业大学
沈阳航空航天大学
-
出处
《电器与能效管理技术》
2023年第9期69-75,共7页
-
基金
辽宁省教育厅系列项目(JYT2020155)。
-
文摘
针对大多采用单一衰退特征对锂电池剩余使用寿命进行预测,导致预测精度低的问题,提出基于数据融合与长短期记忆网络(LSTM)相结合的预测模型。利用斯皮尔曼相关系数法,以容量比为预测目标,从马里兰大学(CALCE)实验室的锂电池开源数据集中筛选出与其相关性高的衰退特征,自编码器(AE)对筛选出来的衰退特征进行数据融合。建立AE-LSTM锂电池剩余使用寿命预测模型,同时与RNN和LSTM预测模型进行对比。通过实例分析表明,所提方法预测精度高,能够满足实际工程的需要。
-
关键词
锂电池剩余使用寿命
特征选择
特征融合
循环神经网络
-
Keywords
remaining service life of lithium battery
feature selection
feature fusion
recurrent neural network
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
