报告详情
A Weighted Feature Fusion-Based SOH Assessment for Lithium-ion Batteries
编号：45
访问权限：仅限参会人
更新：2024-10-23 11:28:37
浏览：189次
口头报告
报告开始：2024年11月01日 16:40（Asia/Shanghai）
报告时间：20min
所在会场：[P5] Parallel Session 5 [P5-1] Parallel Session 5（November 1 PM）
暂无文件
摘要
锂离子电池的SOH预测对于确保其安全性和延长其使用寿命至关重要。传统的SOH预测方法通常使用手动特征提取结合回归模型，而数据驱动的深度学习方法近年来也取得了显著的成果。然而，在有效整合这些方法方面仍然存在挑战。在本文中，我们提出了一种新的锂离子电池健康状态（SOH）评估方法，该方法将数据驱动的特征和统计特征与注意力机制相结合。通过分析128个统计特征和数据驱动的特征，揭示了特征对SOH评估的重要性贡献。最终组检验的平均均方根误差（RMSE）为0.98%，平均绝对误差（MAE）为0.66%，表明该方法能有效预测锂离子电池的SOH。研究结果有助于更好地理解和预测锂离子电池的SOH，对电池管理系统的设计与优化具有重要意义。
关键词
State of health,Convolutional neural network,Statistical features,Attention mechanism
报告人
XuJiaxiu
student 西安交通大学稿件作者
全部评论
重要日期
-
会议日期
10月31日
2024
至11月03日
2024
-
09月30日 2024
初稿截稿日期
-
11月12日 2024
注册截止日期
主办单位
Anhui University
Xi’an Jiaotong University
Harbin Institute of Technology
IEEE Instrumentation & Measurement Society
Xi’an Jiaotong University
Harbin Institute of Technology
IEEE Instrumentation & Measurement Society
联系方式
- Mrs. icsmd
- ic******@163.com
发表评论