基于注意力机制的GRAEMDBILSTM锂电池性能衰退趋势预测

文档名：基于注意力机制的GRAEMDBILSTM锂电池性能衰退趋势预测
摘要：随着电动汽车充放电次数的增加,其电池组的电池性能会逐渐衰退,长此以往会影响电动汽车的日常使用,甚至增加电动汽车发生故障的概率.目前针对长里程下的锂电池性能衰退趋势预测工作很少.针对深度学习在预测工作暴露出的不足,提出了一种以注意力机制为基础,联合了灰色关联度分析(GRA)和经验模态分解(EMD)的双向长短期记忆网络(BILSTM),提出的网络能够有效地解决深度学习中出现的冗余特征、数据噪声对预测模型的影响.实验结果表明,在开源和非开源数据集中,该模型相比其他网络具有更好的预测性能.

作者：罗鹏   刘美俊   俞辉   陈霞   魏宪 Author：LUOPeng   LIUMeijun   YUHui   CHENXia   WEIXian
作者单位：厦门理工学院电气工程与自动化学院,福建厦门361024中国福建光电信息科学与技术创新实验室(闽都创新实验室),福建福州350108;中国科学院福建物质结构研究所,福建福州350002
刊名：电源技术 ISTICPKU
Journal：ChineseJournalofPowerSources
年，卷(期)：2023, 47(10)
分类号：TM912
关键词：电池性能  注意力机制  灰色相关性分析  经验模态分解  双向长短期记忆网络  
Keywords：batteryperformance  attentionmechanism  grayrelationanalysis  empiricalmodedecomposition  bi-directionallongshort-termmemorynetwork  
机标分类号：TP391TM73U469.72
在线出版日期：2023年11月7日
基金项目：中国福建光电信息科学技术创新实验室(闽都创新实验室)(2021ZZ120)，泉州市科技计划项目基于注意力机制的GRA-EMD-BILSTM锂电池性能衰退趋势预测[
期刊论文]  电源技术--2023, 47(10)罗鹏  刘美俊  俞辉  陈霞  魏宪随着电动汽车充放电次数的增加,其电池组的电池性能会逐渐衰退,长此以往会影响电动汽车的日常使用,甚至增加电动汽车发生故障的概率.目前针对长里程下的锂电池性能衰退趋势预测工作很少.针对深度学习在预测工作暴露出的...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于注意力机制的GRA-EMD-BILSTM锂电池性能衰退趋势预测  Attention mechanism based GRA-EMD-BILSTM for degradation trend prediction of lithium battery performance

基于注意力机制的GRA-EMD-BILSTM锂电池性能衰退趋势预测.pdf

2024-12-14 11:24 上传 基于注意力机制的GRAEMDBILSTM锂电池性能衰退趋势预测.pdf

文件大小:

4.86 MB

下载次数:

60

高速下载