基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法技术

本发明专利技术公开了一种基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法，包括以下步骤：1、实验数据采集：设置锂电池充放电实验工况对锂电池进行充放电，记录实验过程中锂电池的电压、电流、温度数据以及电池每次放电完全的容量；2、数据预处理：对采集的原始数据删除无效值并进行数据归一化处理；3、构建网络模型。4、将归一化后的数据作为网络模型的输入，用于进行锂离子电池SOH估计。本发明专利技术具有过程简单，估计结果准确，精度高的优点。精度高的优点。精度高的优点。

【技术实现步骤摘要】
基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法


[0001]本专利技术涉及动力电池管理
，特别涉及一种基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法。

技术介绍

[0002]汽车产业的快速发展不可避免的产生了许多负面效应：对石油等不可再生能源的大量消耗、产生汽车废气和温室气体等。面对资源短缺和环境污染等严峻挑战，汽车企业开始大力发展以动力电池为新能源的电动汽车，以减少对石油能源的依赖，降低汽车废气排放。锂离子电池因其具有能量密度高、重量轻、较长的充放电循环寿命，在电动汽车领域得到广泛的应用。锂电池的健康状态(SOH)，不仅表征电池容量的衰减及其劣化情况，同时估算汽车续航里程的重要参数之一；其次，实时监控动力电池的SOH，可以规避安全隐患、延长电池使用寿命。准确估计锂离子电池的健康状态(SOH)对于确保电池的安全和高效运行至关重要。但是由于电池的健康状态无法通过传感器直接测量，只能通过外部特性(电压、电流、温度等)间接进行估算。考虑到目前大多数估算方法均是人为对电池外特性数据进行提取健康因子，然后通过提取的健康因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法，其特征在于：包括以下步骤：步骤1、实验数据采集：设置锂电池充放电实验工况对锂电池进行充放电，记录实验过程中锂电池的电压、电流、温度数据以及电池每次放电完全的容量；步骤2、数据预处理：对采集的原始数据删除无效值并进行数据归一化处理；步骤3、构建网络模型：网络模型采用GRU处理输入数据的时间序列，用自注意力层对GRU输出分量重新分配权重，然后设置全连接层对自注意力层的输出进行融合，最后用遗传算法对GRU层数、GRU神经元数、全连接层数和全连接神经元数进行参数寻优；步骤4、将归一化后的数据作为网络模型的输入，用于进行锂离子电池SOH估计。2.根据权利要求1所述的基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法，其特征在于：所述步骤2中，采用最大最小值归一化方法，将原始数据归一化到[0,1]之间；其中最大最小值归一化方法的公式如下：其中，x表示原始数据观测值，min表示数据值x中的最小值，max表示数据值x中的最大值。3.根据权利要求1所述的基于GA算法优化改进GRU神经网络的锂离子电池SOH估计方法，其特征在于：所述步骤3中，GRU中的信息传递过程的数学公式如下所示：R
t
＝σ(X
t
W
xr
+H
t
‑1W
hr
+b
r
)；Z
t
＝σ(X
t
W
xz
+H
t
‑1W
hz
+b
z
)；)；式中：R
t
为重置门，Z
t
为更新门，为候选隐藏状态，H
t
为时间步t的隐藏状态；W
xr
，W
hr
，W
xz
，W
hz

【专利技术属性】
技术研发人员：玄东吉，陈建龙，陈聪，卢陈雷，刘胜南，谈佳淇，胡浩钦，
申请(专利权)人：温州大学，
类型：发明
国别省市：