本发明提供了一种基于CNN‑GRU组合神经网络的
锂电池寿命预测方法,包括:对锂电池进行循环充放电实验:单次充放电过程包括恒流充电阶段、恒压充电阶段、放电阶段;获取循环充放电实验中的锂电池间接健康因子;构建CNN‑GRU模型:将每次充放电实验的锂电池间接健康因子和锂电池容量真实值输入至CNN层,提取锂电池间接健康因子与锂电池容量间的特征信息,并输入至GRU层优化学习锂电池容量内部的变化规律;锂电池容量预测:将循环充放电实验的锂电池间接健康因子输入至CNN‑GRU模型,输出锂电池容量预测结果。本发明验证了所提取的健康因子与容量之间的相关性,解决了锂电池容量及内阻等直接性能参数获取困难的问题,具有更好的预测效果与预测精度。
声明:
“基于CNN-GRU组合神经网络的锂电池寿命预测方法” 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)