基于深度学习的锂电池剩余寿命预测方法  

作　　者：谢奥 胡克用[1,2] 戴晓阳 安群 吴天宸 

机构地区：[1]杭州师范大学钱江学院,浙江杭州310018 [2]杭州师范大学工学院,浙江杭州310018

出　　处：《移动信息》2022年第5期5-7,共3页MOBILE INFORMATION

基　　金：浙江省自然科学基金联合基金资助项目“面向新型城镇的微能源网多时间尺度协调机理与优化调度研究”(项目编号LHY21E090004)的阶段性成果;浙江省高等教育学会2022年度高等教育研究课题“基于‘三层递进、三线融合’的新工科人才培养体系的构建与实践研究”(项目编号:KT2022005)的阶段性成果;浙江省教育科学规划课题“高校课程思政和专业教学协同育人的探索与研究”(项目编号:2021SCG028)的阶段性成果;杭州师范大学钱江学院学生科研项目“基于深度学习的锂电池剩余寿命预测方法研究”(项目编号:2022QJXS03)的阶段性成果;杭州师范大学钱江学院学生科研项目“基于网络摄像与互联网技术的智能测量系统设计”(项目编号:2022QJXS09)的阶段性成果。

摘　　要：锂电池被广泛运用于生产、生活的各个方面,但由于自放电等各种因素会造成锂电池寿命的衰退,因此,精准预测锂电池的剩余寿命、提高电池的使用效率成了一个非常有意义的研究领域。针对这些问题,文章设计了一个锂电池充放电一体系统,用来收集锂电池的充放电以及寿命等数据,主要是基于神经网络的深度学习,综合各种优点,设计出一种抗干扰能力强、精确度高、具有实用意义的锂电池剩余寿命预测算法,以供参考。

关 键 词：锂电池 电池剩余使用寿命 高斯过程回归 神经网络 

分 类 号：TM912[电气工程—电力电子与电力传动]