基于时间卷积网络的电池寿命评估方法

摘要

为了提高电池系统应用的技术经济性，本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先，介绍时间卷积网络的电池寿命评估原理，阐述其相较于经典递归神经网络的优势；然后，基于电池易测量的时间、电压、电流和温度等数据提取14个相关间接健康特征因素，利用KL散度、皮尔逊相关系数和灰色关联度3种算法分别分析不同因素与健康状态的相关程度，并与时间卷积网络相关性方法进行对比和分析，筛选出对电池健康状态影响较大的5个特征因素，即循环时间、电压平均值、电压样本熵、温度样本熵和电流值；接着，利用核主成分分析法对选取的主导特征因素进行降维处理，筛选出贡献率较大的主成分，以减小后续计算复杂度。使用时间卷积网络、长短时记忆神经网络和反向传播神经网络进行仿真对比分析，结果表明本文的时间卷积网络具有较高的健康状态预测精度；另外，由于电池存在容量再生现象，利用健康状态对电池寿命表征存在较大误差，而通过对电池剩余循环次数进行寿命预测，可以克服健康状态预测的缺点。仿真结果验证了本文所提的时间卷积网络的电池寿命评估策略对电池寿命精确评估具有有效性。

关键词

电池 / 时间卷积网络 / 核主成分分析法 / 健康状态 / 剩余使用寿命