基于麻雀优化算法的锂电池健康状态估计方法

摘要：

[目的]准确估计锂离子电池健康状态(SoH)对于未来的智能电池管理系统具有重要意义.为解决数据特征质量差以及模型参数调整困难的问题,提出了基于奇异值定阶降噪以及麻雀算法优化门控循环(GRU)神经网络的锂电池SoH估计方法.[方法]首先,从电池充放电数据中提取了 3个与SoH衰减高度相关的指标,运用奇异值分解技术对特征进行降噪,提高了其与SoH的相关性.接着,使用麻雀搜索算法优化GRU神经网络的模型结构及参数,提高其对SoH的估计精度.最后,使用先进生命周期工程中心(CALCE)的电池数据集验证所提模型的有效性.[结果]实验结果表明,所提模型适用于电池SoH估计,其最大均方根误差(RMSE)仅为 0.018 4;经过数据降噪以及算法优化后的GRU模型,其RMSE比初始模型减少了 55.41%.[结论]文章所提方法实现了SoH的准确估计,可为实际工程应用提供参考.

关键词：锂电池、健康状态、数据降噪、麻雀算法、神经网络

所属期刊栏目：10

分类号：TK01;TM912(一般性问题)

资助基金：广东普通高校创新团队项目;中国能建广东院科技项目

在线出版日期：2023-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：89-97