基于EIS和神经网络的退役电池SOH快速估计

为了提高退役电池健康状态估计的速度和精度,针对某电动大巴车退役的方形磷酸铁锂电池,选取其中8只电池继续进行循环老化实验,并在不同循环周期后进行电化学阻抗测试.根据锂离子电池阻抗特性,提取300 Hz、60 Hz以及1 Hz下的实部、虚部和模值为特征参量,将测试时间由十几分钟缩短至几秒钟.以特征参量为输入参数,结合BP神经网络算法,搭建了基于电化学阻抗和BP神经网络的退役电池健康状态快速估计模型,采用19组未参与模型训练的数据对模型进行验证,验证样本的健康状态估计值的平均绝对百分误差(MAPE)为1.46％,均方根误差(RMSE)为1.60％,结果表明整体误差较低.该方法估测精度高,测试时间短,实现了退役电池健康状态快速估计,更有利于实际应用.