鋰離子電池健康狀態（SOH）描述了電池當前老化程度，其估算難點在于缺乏明確統一的定義、無法直接測量以及難以確定數量合適、相關性高的估算輸入量。
為了克服上述問題，本文從容量的角度定義鋰離子電池SOH，并將鋰離子電池恒流-恒壓充電過程中的電壓、電流、溫度曲線作為輸入，提出采用一維深度卷積神經網絡實現鋰離子電池容量估算以獲取SOH。
鋰離子電池憑借其能量密度高、使用壽命長、自放電率低和清潔可靠等優點，已經被廣泛應用。然而，隨著鋰離子電池充放電循環次數的增加，鋰離子電池老化過程不斷進行。當鋰離子電池老化到一定程度，便無法繼續運行，此時很容易發生故障，從而導致高昂的維修成本、巨大的安全風險，甚至產生毀滅性的后果，應該及時更換。
為了量化鋰離子電池老化程度，鋰離子電池健康狀態（SOH）被提出，準確的電池健康狀態估算對于鋰離子電池最佳性能的發揮和安全運行具有重大意義。
卷積神經網絡（CNN）可以被視為一個非線性動態系統的近似器，能夠將一段時間內的電壓、電流、溫度等一系列測量量映射到目標電池健康狀態。
具體而言，本文所提出的深度卷積神經網絡能夠實現鋰離子電池恒流-恒壓滿充過程中所獲取的電壓、電流、溫度的全過程量到當前鋰離子電池健康狀態之間非線性映射關系的表征。
當深度卷積神經網絡完成離線訓練后，將鋰離子電池進行恒流-恒壓滿充操作并獲取各采樣點的電壓、電流、溫度等測量值，輸入完成訓練的深度神經網絡中，便能獲取當前鋰離子電池SOH估算值。基于深度卷積神經網絡的鋰離子電池SOH估算流程如下圖所示：
圖1 鋰離子電池SOH估算流程
其中，圖中實線代表訓練數據流向，虛線代表測試數據流向。圖1中各步驟包括獲取訓練數據、搭建深度卷積神經網絡結構并設置網絡參數、訓練深度卷積神經網絡、實現鋰離子電池SOH估算。
為了驗證本文所提出的基于深度卷積神經網絡的鋰離子電池SOH估算方法的有效性，本文首先在NASA鋰離子電池隨機使用數據集基礎上進行鋰離子電池SOH估算，如圖2所示，并分析了網絡輸入、模型結構、數據增強對算法準確性和魯棒性的影響。
圖2 NASA數據集鋰離子電池SOH估算結果
為了進一步驗證提出的SOH估算方法的適用性，本文還在牛津電池老化數據集上對該方法進行了應用，如圖3所示。
圖3 牛津數據集鋰離子電池SOH估算結果
另外，在上述兩個數據集上的對比結果如表1所示，該對比結果表明本文所提出的基于深度卷積神經網絡（CNN）的鋰離子電池SOH估算方法比現有的基于支持向量機（SVM）和高斯過程回歸（GPR）的方法具有更高的估算精度。
表1 基于不同方法的鋰離子電池SOH估算
本文以恒流-恒壓充電階段內的電壓、電流、溫度曲線作為SOH估算方法的輸入，以容量作為輸出，并從容量的角度定義鋰離子電池SOH。
在鋰離子電池使用數據集上的實驗結果表明，相對于其他方法所使用的輸入而言，本文所選取的可測量具有數量合適、相關性高、易于直接獲取的優勢。隨后，該方法通過一維卷積神經網絡，基于卷積核提取電壓、電流、溫度曲線中的共有特征信息，并映射至SOH。
實驗結果表明，所提出的基于卷積神經網絡的鋰離子電池SOH估算方法能夠實現準確的SOH估算。
作者簡介
肖飛，教授，博士生導師。海軍工程大學艦船綜合電力技術國防科技重點實驗室大容量電能變換研究方向首席專家，從事電力電子與電氣傳動中的大容量電能變換技術、電機驅動控制技術、系統集成技術等領域研究。授權專利17項，出版專著1部，發表SCI/EI收錄索引的論文80余篇。先后獲得國家科技進步一等獎2項、國家科技進步二等獎1項、軍隊科技進步一等獎4項、何梁何利青年創新獎、中國青年科技獎、求是獎、一等功1次、二等功3次。入選國家“萬人計劃”、“軍隊高層次科技領軍人才”、教育部“新世紀優秀人才支持計劃”、“百千萬人才工程”、全國“五四”青年獎章，所在團隊獲國家科技進步獎創新團隊獎、全國“創先爭優獎牌”、“創新強軍馬偉明模范團隊”榮譽稱號等。當選第七屆教育部科技委能源與交通學部委員、中國造船工程學會輪機學術委員會船電技術分會副主任委員、電源學會理事等。
樊亞翔，博士，助理研究員。主要研究方向包括深度學習、電池管理系統、智能狀態監測和故障診斷技術。
李超然，博士，工程師。主要研究方向包括艦船綜合電力系統、儲能裝置狀態管理及監測、深度學習等。
引用本文
李超然， 肖飛， 樊亞翔， 楊國潤， 唐欣. 基于卷積神經網絡的鋰離子電池SOH估算[J]. 電工技術學報， 2020, 35(19): 4106-4119. Li Chaoran, Xiao Fei, Fan Yaxiang, Yang Guorun, Tang Xin. An Approach to Lithium-Ion Battery SOH Estimation Based on Convolutional Neural Network. Transactions of China Electrotechnical Society, 2020, 35(19): 4106-4119.
