一种基于神经网络和阻抗谱数据预测电池剩余容量方法技术

本发明专利技术公开一种基于神经网络和阻抗谱数据预测电池剩余容量方法，包括如下步骤：1、测试并采集电池电化学阻抗谱数据：采用专业阻抗谱测试仪器，并且覆盖一定的温度和频率范围；2、构建模型：数据采集完毕后，构建神经网络，采用回归预测模型。3、训练神经网络模型：基于采集的电池电化学阻抗谱和电池剩余容量的数据进行训练；4、验证神经网络模型效果：在模型训练中将数据集按照8:2的比例分成训练集合和测试集合，在训练集合上进行模型训练，在测试集合上验证模型效果，检验模型的泛化能力。本发明专利技术利用预测模型较好的拟合能力，能够在保证较高预测精度的水平下，兼顾预测的效率，实现准确高效的预测电池剩余容量。确高效的预测电池剩余容量。确高效的预测电池剩余容量。

【技术实现步骤摘要】
一种基于神经网络和阻抗谱数据预测电池剩余容量方法


[0001]本专利技术涉及动力电池健康状态(SOH)检测评估和电化学
，尤其是一种基于神经网络和阻抗谱数据预测电池剩余容量方法。

技术介绍

[0002]锂电池可用容量估算过程中面临很多精度和效率难以兼顾的问题，在针对电池阻抗谱数据的获取和处理过程中，也同样面临此种问题。
[0003]在现有研究中，使用神经网络模型预测电池剩余容量的研究有很多，但使用电池阻抗谱数据作为样本数据的研究较少。如有采用遗传算法改进BP神经网络的方法预测电池剩余容量，有采用特征处理和径向基神经网络的锂电池剩余容量估算方法，能够有效兼顾预测准确性与预测效率；有采用灰狼算法优化LSTM神经网络的方式来预测锂电池的容量。但针对电池电化学阻抗谱作为预测样本的研究稀缺，电池电化学阻抗谱（EIS）基本原理是采用2的正弦电压或电流信号作为激励信号，主动对电化学稳态系统进行扰动，分析激励信号与响应信号之间的频率、阈值和相位关系，最终得到被测系统在某一频率范围内的频率响应函数。它与电池的其他属性特征，如剩余容量、剩余寿命和健康本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络和阻抗谱数据预测电池剩余容量方法，其特征在于，包括如下步骤：步骤1， 测试并采集电池电化学阻抗谱数据：采用专业阻抗谱测试仪器，并且覆盖一定的温度和频率范围，温度设置25度、35度和45度，频率范围设置10
‑
2HZ至105HZ，在频率范围中间按一定间隔选取多个频率值，优选为60个；步骤2，构建模型：在步骤1数据采集完毕后，构建神经网络回归预测模型。采用回归预测模型，该模型输入数据是电池的电化学阻抗数据，所述电化学阻抗数据的特征维度是频率从高到低对应的阻抗的实部和虚部数据；步骤3，训练神经网络模型：在步骤2神经网络模型构建完毕后，基于步骤1采集的电池电化学阻抗谱数据和电池剩余容量数据进行训练，并且设置训练循环次数和样本数量...

【专利技术属性】
技术研发人员：常伟，
申请(专利权)人：上海觉云科技有限公司，
类型：发明
国别省市：