来源：期刊VIP网 时间：
作者：别传玉;刘虹灵;王雪晴;张宇平;高标;
单位：武汉动力电池再生技术有限公司;格林美股份有限公司;武汉科技大学耐火材料与冶金国家重点实验室;
摘要：针对目前退役锂离子电池容量测试方法耗时长、能耗高等问题，本文提出了一种基于径向基函数（RBF）神经网络的退役电池容量预测方法。首先通过电池充放电测试获取电池剩余容量，然后由脉冲测试和短时间恒流充电测试提取与电池剩余容量相关联的特征量，利用皮尔逊（Pearson）相关系数法筛选处理所得特征参数，获得强相关特征参数，最后引入RBF神经网络建立多特征参数与电池容量的映射关系，建立退役电池容量预测模型，并在不同型号电池上应用该模型进行了验证实验，其预测的容量最大误差为0.6443 Ah。该模型能够有效预测退役锂电池的剩余容量且预测效率高、通用性强，在工程上具有较大的实用价值。
关键词：退役电池;;皮尔逊(Pearson)相关系数法;;径向基函数(RBF)神经网络;;容量预测
基金资助：武汉市科技计划项目（2022012202015049）资助
