基于深度卷积神经网络的锂离子电池健康评估

摘要：

　　锂离子电池由于具有诸多优点,已经在多个工程领域广泛应用。为了保证锂离子电池使用过程中的安全性,需要对锂离子电池进行可靠的健康状态(State-of-Health,SOH)估计。本文提出了一种基于深度卷积神经网络的锂离子电池SOH在线估计方法,并利用美国国家航空航天局(National Aeronautics and Space Administration,NASA)的锂离子电池老化循环数据集验证了该方法的有效性。与传统的数据驱动方法相比,此方法在锂离子电池容量的在线估计中表现出更高的精度和鲁棒性。

关键词： 锂离子电池 健康状态估计 深度卷积神经网络

作者: 谭千千 魏婧雯

作者单位: 南京大学控制与系统工程系,江苏南京,中国,210093

会议类型: 国内会议

会议名称: 第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)

会议地点: 合肥

会议语种:中文

页码: 272-277

在线出版日期: 2021-07-01（万方平台首次上网日期，不代表论文的发表时间）