第53卷第3期2023年6月电池BATTERYBIMONTHLYVol.53,No.3Jun.,2023作者简介:段双明(1984-),男,吉林人,东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室实验师,博士,研究方向:新能源发电运行控制,通信作者;徐超(1994-),男,吉林人,东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室硕士,研究方向:新能源发电运行控制。基金项目:国家自然科学基金(U1766204),吉林省自然科学基金(20200201198JC)DOI:10.19535/j.1001-1579.2023.03.005基于改进残差网络的锂离子电池故障诊断段双明∗,徐超(东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林吉林132012)摘要:针对残差网络(ResNet)对特征提取准确率低和拟合度不够的问题,提出一种基于改进残差网络的锂离子电池故障诊断方法。首先,利用Simulink对电池容量变小、内阻变大、充电不足和自放电大等4种故障进行故障模拟,得到故障电压数据,作为输入,将首层提取的特征因式分解,分别加到后面的每一层;然后,引入注意力模块(SELayer)分支轻量化;最后,采用反卷积上采样,使远距离残差特征融合,加深特征提取能力,并降低计算量。改进残差网络故障模拟实验表明,与传统的ResNet50、ResNext、DensNet121和DensNet169等4种模型相比,所提模型的诊断准确率从88.63%提高到99.00%以上,参数量从2500万减小到了2470万,收敛速度上也具有一定的优势。关键词:锂离子电池;特征提取;故障诊断;残差神经网络;注意力模块中图分类号:TM912.9文献标志码:A文章编号:1001-1579(2023)03-0257-05FaultdiagnosisofLi-ionbatterybasedonimprovedresidualnetworkDUANShuang-ming∗,XUChao(KeyLaboratoryofModernPowerSystemSimulationandControl&RenewableEnergyTechnology,MinistryofEducation,NortheastElectricPowerUniversity,Jilin,Jilin132012,China)Abstract:Aimingattheproblemsoflowaccuracyoffeatureextractionandinsufficientfittingofresidualnetwork(ResNet),afaultdiagnosismethodforLi-ionbatterybasedonimprovedresidualnetworkwasproposed.Firstly,Simulinkwasusedtosimulatefourkindsoffaults,suchasbatterycapacitybecomingsmaller,internalresistancebecominglarger,under-chargeandself-dischargebecominglarger,toobtainfaultvoltagedata,whichwasusedasinput.Thefeaturefactorextractedfromthefirstlayerwasdecomposedandaddedtoeachsubsequentlayer.Thentheattentionm...
