GWO-CNN框架下的锂电池健康状态估计方法

摘要

为了实现实时、高效、精准的锂电池健康状态(state of health, SOH)估计，提出一种基于恒压充电片段和灰狼算法(grey wolf optimizer, GWO)优化卷积神经网络(convolutional neural network, CNN)的SOH估计方法。通过提取部分恒压充电过程中的电流和时间序列数据，利用CNN自动提取特征，简化传统方法中繁琐的特征工程步骤，克服对完整充电数据的依赖，能显著降低数据采集和储存的成本。引入GWO对CNN的超参数进行优化，提高模型的估计精度。NASA和CALCE电池数据集的实验结果表明，该方法在SOH估计方面具有较高的精准度。

关键词

锂离子电池 / 健康状态估计 / 恒压充电 / 卷积神经网络 / 灰狼算法