基于健康因子和PSO-LSTM的锂离子电池健康状态估计

作     者：宁雪峰 石正禄 许加柱 

作者机构：湖南大学电气与信息工程学院 广东电网有限责任公司东莞供电局 

出 版 物：《电源学报》 (Journal of Power Supply)

年 卷 期：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：南方电网公司科技项目资助(031900KK52220037) 国家自然科学基金资助项目(52077069) 

主　　题：健康因子 锂离子电池 改进的LSTM 健康状态估计 

摘      要：锂离子电池健康状态(State of Health， SOH)是表征电池实际寿命的关键参数。为了提高锂离子电池SOH估计精度，提出了一种基于健康因子和改进的长短期记忆神经网络(Long Short-Term Memory， LSTM)的SOH估计方法。首先选取10个与SOH变化高度相关的健康因子作为SOH特征，然后引入粒子群优化(Particle Swarm Optimization， PSO)算法对LSTM超参数进行寻优，构建PSO-LSTM估计模型，最后用提取的健康因子作为模型输入实现SOH的准确估计。结果表明，分别以整个样本70%，60%，50%的数据作为训练集，剩余数据作为测试集，其SOH估计误差主要分布在2%以内。同时与现有的LSTM和前馈神经网络相比，PSO-LSTM表现出较高的估计精度和较好的鲁棒性。