基于LSTM和EIS的锂电池健康状态估计

刘家豪; 张宏伟; 袁永军

doi:10.13873/J.1000-9787(2021)12-0059-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于LSTM和EIS的锂电池健康状态估计

研究与探讨 | 更新时间：2025-09-11

- 基于LSTM和EIS的锂电池健康状态估计
- Health state estimation of lithium battery based on LSTM and EIS
- 传感器与微系统 2021年第12期页码：59-61+65
- 作者机构：
  
  1. 河南理工大学电气工程与自动化学院
  2. 上海炙云新能源科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2021)12-0059-03
  中图分类号： TM912
- 纸质出版：2021
- 稿件说明：
移动端阅览
刘家豪, 张宏伟, 袁永军. 基于LSTM和EIS的锂电池健康状态估计[J]. 传感器与微系统, 2021,(12):59-61+65.

LIU Jiahao, ZHANG Hongwei, YUAN Yongjun. Health state estimation of lithium battery based on LSTM and EIS[J]. 2021, (12): 59-61+65.
刘家豪, 张宏伟, 袁永军. 基于LSTM和EIS的锂电池健康状态估计[J]. 传感器与微系统, 2021,(12):59-61+65. DOI： 10.13873/J.1000-9787(2021)12-0059-03.

LIU Jiahao, ZHANG Hongwei, YUAN Yongjun. Health state estimation of lithium battery based on LSTM and EIS[J]. 2021, (12): 59-61+65. DOI： 10.13873/J.1000-9787(2021)12-0059-03.

摘要

针对现有的电化学阻抗谱(EIS)理论在锂电池健康状态(SOH)估计中存在的交流阻抗测试时间长、预测精度低的问题

提出一种基于电化学阻抗谱虚部和长短时记忆(LSTM)神经网络的锂电池健康状态估计方法。本文方法只进行特定频率段下的阻抗测试

可以大大缩短电化学阻抗的测试时间

同时LSTM神经网络具有对锂离子电池衰减状态的长期趋势学习的优点

使得预测精度也得到极大地提高。

Abstract

Aiming at the problems of long test time and low prediction precision of the existing electrochemical impedance spectroscopy（EIS）theory in estimation of lithium battery state of health（SOH）

a method of lithium battery health state estimation based on imaginary part of EIS and long short-term memory（LSTM）neural network is proposed.This method only performs impedance measurement at a specific frequency

which can greatly shorten the testing time of electrochemical impedance.Meanwhile

LSTM neural network has the advantage of learning the long-term trend of lithium ion battery attenuation state

which greatly improves the prediction precision.

关键词

Keywords

references

浏览量

638

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据