基于神经网络和电化学阻抗谱的锂电池重要频率分析及电池健康状态预测

摘要

电化学阻抗图谱是电池的一种非侵入性的信息,与电池的状态、剩余寿命以及健康度之间存在内在联系。本文将电化学阻抗谱(electrochemical impedance spectroscopy,EIS)所有频率对应的实部和虚部数据依次排列作为频率特征,基于神经网络模型,将EIS的频率特征作为输入特征,构建了EIS与电池健康状态(state of health,SOH)之间的拟合关系,结果表明均方根误差可以达到0.7789。通过对EIS中各个频率特征的重要性进行计算,得到重要频率的赫兹取值范围,研究发现EIS高频和低频频率比较重要。通过对重要频率特征进行相关性分析,进一步得到重要频率特征为f_(61)、f_(65)和f_(91),对应的频率分别是20004.453 Hz、7835.48 Hz和17.79613 Hz。模型拟合结果表明,在预测电池SOH的模型中,基于EIS的16个最重要频率特征的模型拟合效果与全部120个频率特征的模型拟合效果相当甚至有所提升,均方根误差为0.624,为预测电池SOH时缩小EIS检测范围提供了参考。