本发明公开了一种基于LSTM神经网络预测锂离子电池剩余使用寿命方法,属于锂离子电池技术领域。具体步骤如下:采用经验模态分解算法分解用于神经网络训练的电池循环充放电老化的容量衰减数据,提取其中的残差容量数据反应电池老化趋势,避免电池老化的容量再生现象对剩余使用寿命预测的影响;对提取的残差容量数据进行归一化,训练LSTM神经网络用于迭代预测每个循环电池容量。检测是否发生误差累积,若出现误差累积,采用Box‑Cox变换进行修正。比较锂离子电池容量预测值与电池寿命终止容量,获得锂离子电池剩余使用寿命。本发明能够有效预测电池剩余使用寿命,同时检测预测是否发生严重误差累积,并进行修正。
声明:
“基于LSTM神经网络预测锂离子电池剩余使用寿命方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)