恒压充电段SOH估计方法

可用部分数据

仅用恒压充电阶段前1000秒数据,结合卷积神经网络,实现高精度电池健康状态估计。

陈思哲 · Zikang, Liang · 袁浩亮 · Ling, Yang · 许方园 · Fan, Yuanliang

Energy 2023

参数信息

所需恒压充电数据时长
1000 s

技术优势

只需前1000秒

利用恒压充电阶段起始段的数据即可估计SOH,大幅缩短数据采集时间。

免手动特征工程

采用CNN自动从电流和差分电流数据中提取老化特征,避免复杂的特征工程。

跨材料泛化

通过迁移学习策略,模型对三种不同材料的电池均能保持高精度估计。

应用场景