基于ISSA-CNN-BiGRU-Attention的锂电池健康状态评估

来源：电子测量技术杂志2024年第8期北京时间：

作者：陈新岗，赵龙，马志鹏，李松，张知先

单位：1.重庆理工大学电气与电子工程学院 重庆 400054; 2.重庆市能源互联网工程技术研究中心 重庆 400054

摘要：健康状态（SOH）预测对于电池管理系统至关重要。针对电池健康状态评估建模复杂、预测误差大等问题，准确的SOH预测仍需要改进。本文结合容量增量分析（ICA）和差分电压分析(DVA)方法,提出了一种改进麻雀优化算法（ISSA）-卷积神经网络（CNN）-双向门控递归单元（BiGRU）-注意力机制（Attention）的锂电池健康状态评估方法。通过对容量增量（IC）曲线和差分电压(DV)曲线进行高斯滤波处理，避免了噪声的影响。通过马里兰大学先进的生命周期工程中心（CALCE）数据进行处理，从滤波后的IC和DV曲线上提取一组新的电池老化特征,所提4个老化特征与SOH之间的Pearson相关系数在0.9以上。使用ISSA-CNN-BiGRU-Attention方法来构建电池SOH的预测模型，将所提方法与CNN、BiGRU、CNN-BiGRU等方法进行比较，实验结果表明，该方法的MAE与RMSE误差最大值分别为0.005 44和0.007 17，对比其他模型，具有优秀的鲁棒性和准确性，具有更好的实际使用价值。

关键词：锂离子电池;SOH;容量增量分析;差分电压分析;CNN;BiGRU

基金资助：重庆市自然科学基金（CSTB2023NSCQMSX0337)、重庆市教育委员会科学技术研究项目(KJZD-K202101103)、重庆理工大学研究生教育高质量发展项目(gzlcx20233151)资助