基于等效电路模型RBF网络的电池容量快速预测

摘要：

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.

关键词：交流阻抗谱(EIS)、等效电路模型、径向基(RBF)神经网络、快速预测

所属期刊栏目：47

分类号：TM912

资助基金：深圳市创新创业计划技术攻关面上项目20200206

在线出版日期：2023-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：915-922