基于混合深度学习网络的钠离子电池电量估算方法

《Scientific Reports》：State of charge estimation method for sodium-ion batteries based on a hybrid deep learning network

　　

摘要

随着交通电气化、电力电子技术以及大规模可再生能源应用的快速发展，人们对高性能且低成本电池技术的需求持续增长。钠离子电池因其丰富的资源储备和成本优势，有望成为锂离子电池的理想替代品。然而，在不同的温度、工作条件及电池类型下，准确估算钠离子电池的电量状态仍面临挑战，这限制了电池管理系统的可靠性。为解决这一问题，本文提出了一种结合时间卷积网络、双向长短期记忆网络以及挤压激励模块的混合深度学习模型，用于电量状态估算。实验在五种圆柱形钠离子电池上开展，测试温度为5℃、25℃和45℃，共涉及十种不同的工作模式。结果表明，与传统深度学习方法相比，该模型在多种温度、电池类型及工作条件下都能实现更高的电量状态估算精度与泛化能力，有助于推动钠离子电池在储能及电动汽车领域的实际应用。