本发明公开了一种基于邻近特征的锂离子电池健康状态估计方法,采用大电流充电过程中部分充电电压数据,提取等电压间隔时间、等电压区间电压测量平均值作为特征向量,基于双层长短期记忆神经网络DL‑LSTM,提出利用预测起始点前邻近的2倍历史数据而不是预测起始点前全部历史数据进行模型训练的邻近特征方法,实现电池的可用容量预测。本发明方法适用快速充电条件下电池健康状态预测,解决了大电流充电电池不同老化阶段衰减速率不同对预测精度的影响,将可用容量预测精度提升4倍以上,预测值的平均绝对误差、均方根误差均小于0.5%,并且减少了模型训练的时间成本,对于快速充电条件下电动汽车的发展有重要意义。
声明:
“基于邻近特征的锂离子电池健康状态估计方法” 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)