10.3969/j.issn.1674-1951.2021.07.007
基于BP神经网络的梯次利用电池健康状态诊断
在大规模储能产业迅猛发展及退役车用动力电池数量逐年增长的背景下,阐述了梯次利用电池及其储能应用场景,以及梯次利用电池健康状态估算的重要性.介绍了影响电池健康状态的几种因素,将电池直流内阻、放电倍率及表面温度作为输入构建了3层反向传播(BP)神经网络.试验表明:在30块梯次利用电池的样本训练下,网络能够有效收敛且对梯次利用电池健康状态的计算误差在3%内,根据BP神经网络估算电池健康状态具有一定的可行性,该方法对梯次利用电池的分选以及储能应用具有重大意义.
梯次利用电池、健康状态、BP神经网络、电池直流内阻、放电倍率、退役动力电池、锂电池、调峰调频、储能
43
TK02;TM911(一般性问题)
国家重点研发计划;国家重点研发计划
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
42-46