基于擴(kuò)散模型和雙向長短期記憶網(wǎng)絡(luò)的鋰電池SOH估計(jì)

打開文本圖片集

摘 要：【目的】鋰電池健康狀態(tài)（state of health， SOH）的精確預(yù)測評估可以提高電池設(shè)備的安全性，降低故障的發(fā)生率。針對數(shù)據(jù)驅(qū)動(dòng)方法在模型訓(xùn)練過程中需要大量標(biāo)簽樣本數(shù)據(jù)的問題，提出了一種新的基于擴(kuò)散模型和雙向長短期記憶網(wǎng)絡(luò)的鋰電池SOH估計(jì)方法?！痉椒ā渴紫?，建立電池充電時(shí)間、電壓和溫度三者間的長期依賴關(guān)系云圖；其次，設(shè)計(jì)一個(gè)時(shí)空信息捕捉模塊，將該模塊捕獲的長期依賴信息作為擴(kuò)散模型的生成條件，賦予擴(kuò)散模型電池SOH數(shù)據(jù)生成能力；最后，利用雙向長短期記憶網(wǎng)絡(luò)（Bi-LSTM）對部分由原始數(shù)據(jù)和生成數(shù)據(jù)混合而成的電池?cái)?shù)據(jù)集進(jìn)行訓(xùn)練，并利用剩余的原始數(shù)據(jù)作為測試集對所提方法進(jìn)行驗(yàn)證。（剩余9905字）