基于CNN-BiLSTM网络的锂离子电池健康状态检测方法

来源：电子测量技术杂志2023年第3期北京时间：

作者：朱振宇，高德欣

单位：青岛科技大学自动化与电子工程学院 青岛 266061

摘要：锂离子电池健康状态（SOH）是锂离子电池可靠运行的重要参考指标，为提高电池健康状态检测的精确性，提出一种基于CNN-BiLSTM网络的锂电池健康状态检测方法。该方法使用CALCE锂离子电池容量衰减数据集，提取电池健康因子（HI）作为模型输入数据，同时利用灰色关联分析法（GRA）验证HI选取的合理性，采用卷积神经网络（CNN）、双向长短期记忆神经网络（BiLSTM）构建网络模型，对电池容量进行预测，实现锂离子电池健康状态检测。实验结果表明，该方法SOH检测的平均绝对误差为1.3%，均方根误差为1.78%，精确度和可靠性较高。

关键词：锂电池;健康状态;卷积神经网络;双向长短期记忆神经网络

基金资助：山东省重点研发计划项目(公益类)（2019GGX101012）、山东省高等学校科学技术计划项目（J18KA323）资助