基于多指标的CNN-LSTM锂电池SOH估计模型

作者：张慧颖; 王军华^*; 丁汀; 朱永茂

来源：电源技术, 2023, 47(10): 1303-1307.

• 健康状态
• 多健康指标
• CNN-LSTM

为了解决锂电池健康状态(SOH)估计精度不高、健康指标单一而难以描述电池退化特征的问题，提出一种基于多指标的卷积神经网络(CNN)-长短时记忆神经网络(LSTM)锂电池SOH估计模型。通过从锂电池充电电压、电流和温度数据中提取多个健康指标，搭配CNN和LSTM融合模型，实现锂电池SOH在线估计。经过美国国家航天局(NASA)数据集验证，结果表明相比于CNN、LSTM、前馈神经网络(FNN)等其他方法，该研究更能够有效表征电池容量的退化情况，平均绝对误差最大不超过0.009 4，均方根误差最大不超过0.013 4，精确度很高。

• 出版日期2023
• 单位自动化学院; 武汉大学