摘要：为了提高电池系统应用的技术经济性，本文基于时间卷积网络从健康状态和剩余使用寿命两个角度对电池寿命进行评估。首先，对时间卷积网络的电池寿命评估原理进行了介绍，阐述了较经典递归神经网络的优势；然后，基于电池易测量的时间、电压、电流和温度数据提取14个相关间接健康特征因素，利用KL散度、皮尔逊相关系数和灰色关联度三种算法分别分析不同因素与健康状态的相关程度，并和时间卷积网络相关性分析结果相对比，选取对电池健康状态影响较大的5个特征因素：循环时间、电压平均值、电压样本熵、温度样本熵和电流值；再者，利用核主成分分析法对选取的主导特征因素进行降维处理，筛选出贡献率较大的主成分，以减小后续计算复杂度，进而通过时间卷积网络、长短时记忆神经网络和反向传播神经网络对比分析，表明时间卷积网络具有较高的健康状态预测精度；另外，由于电池存在容量再生现象，健康状态在进行电池寿命表征时存在较大误差，本文进一步对电池剩余循环次数进行预测，克服了健康状态预测的缺点；最后通过仿真分析验证了本文所提策略对电池寿命精确评估的有效性。
文章目录
1 时间卷积网络
2 相关性分析方法
3 SOH评估影响因素
4 SOH和RUL预测
5 结论
