本發(fā)明涉及一種基于ASTUKF?GRA?LSTM模型的
新能源汽車鋰電池健康狀態(tài)評估方法,首先獲得平滑的IC曲線,然后選取IC曲線的部分區(qū)域,利用灰色關(guān)聯(lián)分析法提取電池退化特征;其次,基于輸入的特征數(shù)據(jù),利用長短期記憶網(wǎng)絡(luò)LSTM對鋰電池的SOH進行在線估計;最后,通過基于實際工程實驗數(shù)據(jù),驗證了該方法具有較強的SOH評估精度。本發(fā)明方法對新能源汽車動力SOH評估具有較高的正確率,平均絕對百分誤差為0.96%,均方根誤差為0.57%,平均評估耗時2.1s,遠小于傳統(tǒng)LSTM模型評估耗時8.9s、GAN?CNN?LSTM模型耗時4.6s。能夠有效滿足直流充電樁對新能源汽車鋰電池健康狀態(tài)的精確快速動態(tài)評估的安全分析需求。該方法具有較高的準確率,這在一定程度上解決了鋰電池的SOH估計的準確率較低的問題,具備一定的工程應(yīng)用價值。
聲明:
“基于ASTUKF-GRA-LSTM模型的新能源汽車鋰電池健康狀態(tài)評估方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)