简介:
本发明公开了一种锂电池健康状态估算方法,具体按照以下步骤实施:获取锂电池在出厂时的额定容量列入容量矩阵中;将当前容量和实时充电电压数据分别列入矩阵中;对初始电压样本矩阵采用独立成分分析算法,得到ICA电压样本;将ICA电压和容量样本划分为训练集和测试集;基于ICA样本训练集,采用遗传算法自动训练相应的LSTM‑RNN模型;将ICA样本测试集作为训练得到的LSTM‑RNN模型的输入,经过测试选择一个真实值和预测值之间适应度值最小的网络结构作为最终的预测模型;对训练得到的LSTM‑RNN的最终模型输入另一块电池的电压数据,预测电池剩余容量,计算出该电池的健康状态。解决了现有技术中存在的不能随时对电池健康状态进行预测的问题。
本发明公开了一种
锂电池健康状态估算方法,具体按照以下步骤实施:获取锂电池在出厂时的额定容量列入容量矩阵中;将当前容量和实时充电电压数据分别列入矩阵中;对初始电压样本矩阵采用独立成分分析算法,得到ICA电压样本;将ICA电压和容量样本划分为训练集和测试集;基于ICA样本训练集,采用遗传算法自动训练相应的LSTM‑RNN模型;将ICA样本测试集作为训练得到的LSTM‑RNN模型的输入,经过测试选择一个真实值和预测值之间适应度值最小的网络结构作为最终的预测模型;对训练得到的LSTM‑RNN的最终模型输入另一块电池的电压数据,预测电池剩余容量,计算出该电池的健康状态。解决了现有技术中存在的不能随时对电池健康状态进行预测的问题。