基于RNN的锂电池健康预测

2021-10-16吴章玉朱成杰王鸣雁

绿色科技 2021年18期

吴章玉，朱成杰，王鸣雁

(安徽理工大学电气与信息工程学院，安徽淮南 232000)

1 引言

伴随全球气候变暖，污染加重的情况，节能减排越来越被社会所重视，电动汽车在这方面优势较大，近年来也逐渐走进大众的视野[1]。电动汽车在使用过程中的性能，将直接受到锂电池健康状态变化的影响。因此，对锂电池健康状态进行准确的预测是十分重要的[2]。目前，为得到锂电池的SOH，人们提出了很多SOH预测方法，可以总结为如下3种[3]。

(1)通过直接测量的方法进行预测：该方法通过进行实验的办法直接测量关于锂电池自身老化程度的量化指标，这一方法虽然简单，但是对于实验的环境要求较高。

(2)通过建立模型的方法进行预测：此方法则主要是根据电路或电化学机理先验知识建立等效电路模型或者电化学模型。这类方法往往是基于其他参数结合观测器或者滤波器等估计电池的 SOH，预测结果是否准确，和电池模型精度有很大关系，因为工作状态和型号的不同，需不断修正电池模型，扩展实现的难度较高。

(3)通过数据驱动的方法进行预测：使用数据驱动的方法，并不需要考虑模型的精确度，可通过外部参数来预测锂电池的健康状态，将内部看成是一个黑匣子。锂电池在多次充放电后将逐步变差，其阻值将一直变大，同时容量也会不断衰减，性能将出现恶化。本文运用循环神经网络，用锂电池的容量对锂电池健康进预测。