本發明公開了一種基于IPEA?LSTM模型的鋰電池SOH估計方法,所述方法適用于鋰離子電池在充電期間對電池健康狀態(State of Health,SOH)進行估計,步驟包括:構建原始數據集;對數據集進行預處理;提取健康特征;重構健康特征;數據集劃分;搭建神經網絡模型;優化神經網絡模型;訓練神經網絡模型;評估神經網絡模型;電池健康狀態在線估計。與現有技術相比,本發明僅需片段的充電電壓數據即可提取健康特征,并搭建堆疊神經網絡重構健康特征,增強健康特征與電池SOH的相關度;同時提出改進的種群進化算法(ImprovedPopulation Evolution Algorithm,IPEA)對LSTM網絡的參數進行優化,利用趨同和異化的相互協助思想,個體和子群體的進化分開進行,加快全局尋優的收斂速度,提高電池SOH估計精度。
聲明:
“基于IPEA-LSTM模型的鋰電池SOH估計方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)