基于LSTM与KPCA的退役动力电池分选方法

作     者：黄志礼 蔺红 Huang Zhili;Lin Hong

作者机构：新疆大学电气工程学院乌鲁木齐830017 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2023年第42卷第12期

页      面：152-159页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：新疆维吾尔自治区重点研发专项(2022B01020-3)资助 

主　　题：退役动力电池 脉冲功率测试 长短期记忆网络 核主成分分析 分选 

摘      要：针对退役动力电池的快速分选问题,提出了一种能够满足电网储能要求的基于长短期记忆网络(long short-term memory,LSTM)、核主成分分析(kernel principal component analysis,KPCA)和优化K-means聚类的退役动力电池快速分选方法。采用二阶RC模型和混合脉冲功率测试(hybrid pulse power characterization,HPPC)数据,利用带遗忘因子的最小二乘法(forgetful factor recursive least squares,FFRLS)获取电池参数;然后结合LSTM网络,估计电池健康状态(state of health,SOH)和最大可用容量;根据电池参数和梯次利用范围进行初分选,剔除不适用于电网储能的电池;最后依据KCPA处理的特征变量,采用改进的K-means聚类算法进行再分选。仿真结果表明,该方法准确度超过97%,具有较高应用价值。