10.13373/j.cnki.cjrm.XY21100032
基于等效电路模型RBF网络的电池容量快速预测
针对退役动力电池容量一致性分选问题,提出了一种对退役电池放电容量快速预测的方法,该方法主要是通过在选取合适的等效电路模型以及电池荷电状态(SOC)下,将退役电池测试的交流阻抗谱(EIS)结合等效电路模型用ZSimpWin软件进行拟合,由此获得表征电池内部状态的等效电路模型中的各个特征参数,并且利用径向基(RBF)神经网络建立了各个特征参数与退役电池放电容量的神经网络模型,并对退役电池的放电容量进行了预测.结果表明:将电池放电至80%SOC状态下利用LR(CR)(C(WR))(L为电感,R为电阻,C为电容,W为Warburg阻抗元件)等效电路模型对EIS进行拟合的结果最好,是获取电池特征参数的有效途径,并且通过RBF神经网络建立了各个特征参数与电池放电容量关系的神经网络模型,该模型对电池放电容量预测的最大误差不超过0.6503 Ah.
交流阻抗谱(EIS)、等效电路模型、径向基(RBF)神经网络、快速预测
47
TM912
深圳市创新创业计划技术攻关面上项目20200206
2023-08-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
915-922