Key points are not available for this paper at this time.
作为新能源车的核心组件，准确估计锂离子动力电池的健康状态（SOH）至关重要。正确预测电池SOH在延长新能源车的使用寿命、确保其安全性和促进可持续发展方面发挥着关键作用。传统的物理或电化学模型在测量锂电池的SOH方面准确性低，不适合实际车辆复杂的驾驶条件。本研究利用深度学习模型的黑箱特性，探讨锂电池历史循环数据的内在关联，从而消除了考虑锂电池内部化学反应的必要性。通过皮尔逊相关分析，本研究从锂电池循环数据中选择了对SOH有显著影响的健康指标（HIs）作为输入特征。在锂电池领域，本文首次将ABC-BiGRU应用于SOH预测。与其他递归神经网络模型相比，ABC-BiGRU表现出优越的预测性能，最大均方根误差和平均绝对误差分别仅为0.016799317和0.012626847.
Li等（周五）研究了这个问题。