基于LSTM的锂离子电池健康状态估计方法.pdfVIP

基于LSTM的锂离子电池健康状态估计方法AutomationSystemEngineering自动化系统工程

基于LSTM的锂离子电池健康状态估计方法

孙 腾，钟 昂12

（1.济宁市煤矿安全生产监测监控中心，山东济宁272000；

2.山东能源鲁西矿业古城煤矿，山东济宁272000）

摘要：在新能源产业蓬勃发展的背景下，锂离子电池作为电动汽车和储能设备的核心动力单元，其性能

退化程度的精准监测已成为保障能源系统安全运行的关键技术挑战。构建高精度的电池健康状态（SOH）

评估体系，不仅能够优化能源管理效率、延缓电池老化进程，还能显著削减运维开支，从而抑制资源损

耗与生态污染。特别是在双碳战略推进过程中，该技术对实现动力电池全生命周期价值挖掘具有重要工

程意义。传统方法构建锂离子电池的SOH估计模型存在化学模型偏微分表达式复杂、计算量大，等效

电路模型参数识别对测量环境要求苛刻及应用场景受限等问题。应用长短期记忆（LSTM）网络构建高

精度SOH评估模型，精