基于片段充电数据和DEKF-WNN-WLSTM的锂电池健康状态实时估计

作     者：宋显华 姚全正 Song Xianhua;Yao Quanzheng

作者机构：哈尔滨理工大学理学院哈尔滨150080 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年第39卷第5期

页      面：1565-1576页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：黑龙江省自然科学基金联合引导项目(LH2022F032) 山东省自然科学基金联合基金培育项目(ZR2022LLZ003)资助 

主　　题：锂离子电池模型 参数辨识 最小二乘法 自适应遗忘因子 

摘      要：实时准确地评估电动汽车锂电池健康状态(SOH)对电动汽车的稳定行驶至关重要。因此,该文提出一种基于锂电池日常片段充电数据和双扩展卡尔曼滤波-小波神经网络-小波长短时记忆神经网络(DEKF-WNN-WLSTM)的电池全充时间估计模型,进而提高了片段充电数据评估电池健康状态的准确度。首先,设计双扩展卡尔曼滤波预测-校正算法,分别用来估计片段充电数据对应的全充时间和校正扩展卡尔曼滤波的状态初值,以提高估计的准确性。然后,设计了小波神经网络-小波长短时神经网络来学习扩展卡尔曼滤波递推过程的观测值。最后,通过实验仿真,验证了所提算法在锂电池健康状态实时估算中的准确性和有效性。