摘要
本申请公开了一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法,所述方法包括:选取多个同类型锂电池进行充放电循环测试,在每次充放电循环过程中的特定SOC处暂停并采集阻抗数据;根据训练集的阻抗数据生成四种不同的电化学阻抗谱视图;利用深度学习特征提取网络进行特征提取;构建低秩优化模型并引入一致性正则项对提取的特征矩阵进行融合;搭建人工神经网络模型进行SOH估计;采用测试集对训练完成的模型进行性能验证;实际运行时,锂电池管理系统利用SOH估计模型进行在线SOH估计。本发明基于电化学阻抗谱数据构建多角度视图,从全局视角与局部视角挖掘电化学阻抗谱数据中蕴含的电池健康信息,提高了SOH估计精度。
技术关键词
电化学阻抗谱
深度学习特征提取
数据
锂电池管理系统
残差学习
残差矩阵
注意力
融合特征
频率
特征提取网络
人工神经网络模型
sigmoid函数
在线
视角