本发明涉及一种基于ASTUKF‑GRA‑LSTM模型的
新能源汽车锂电池健康状态评估方法，首先获得平滑的IC曲线，然后选取IC曲线的部分区域，利用灰色关联分析法提取电池退化特征；其次，基于输入的特征数据，利用长短期记忆网络LSTM对锂电池的SOH进行在线估计；最后，通过基于实际工程实验数据，验证了该方法具有较强的SOH评估精度。本发明方法对新能源汽车动力SOH评估具有较高的正确率，平均绝对百分误差为0.96％，均方根误差为0.57％，平均评估耗时2.1s，远小于传统LSTM模型评估耗时8.9s、GAN‑CNN‑LSTM模型耗时4.6s。能够有效满足直流充电桩对新能源汽车锂电池健康状态的精确快速动态评估的安全分析需求。该方法具有较高的准确率，这在一定程度上解决了锂电池的SOH估计的准确率较低的问题，具备一定的工程应用价值。
声明：
“基于ASTUKF-GRA-LSTM模型的新能源汽车锂电池健康状态评估方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1113
编辑：管理员
来源：北方有色网
咨询细节
