基于充电特征与改进原子搜索算法优化反向传播神经网络的健康状态估计方法

随着新能源技术的快速发展,锂电池被广泛的应用于储能系统和电动汽车领域.健康状态（State of health,SOH）的精确预测对维持锂电池的安全与稳定运行具有重要作用.为了解决实际应用中放电条件不确定和SOH估计精度低的问题,本文提出一种基于电池恒流充电段特征的SOH估计方法.该方法采用改进的原子搜索算法优化的反向传播神经网络.通过分析电池充电段的温度数据,提出了一个温度特征,即等时间的温度变化量（equal-time temperature variation,Dt_DT）,并将其与从增量容量（Incremental capacity, IC）分析中得到的IC特征共同作为数据驱动预测模型的输入.使用公开数据集对提出的预测模型进行测试和分析.实验结果表明,本文所提方法的SOH估计的最大误差低于1.5％.