基于单步滑动窗口长短期记忆网络的锂电池SOC估计算法

文档名：基于单步滑动窗口长短期记忆网络的锂电池SOC估计算法
摘要：准确的荷电状态(SOC)预估是电池管理系统安全稳定运行的基础,对锂离子电池的推广应用具有重要意义.为提高荷电状态的估计精度,建立了一种长短期记忆网络(LSTM)与单步滑动窗口技术相结合的荷电状态估计模型.引入单步滑动窗口技术对输入数据进行预处理.构建单步预估LSTM模型,利用错时间步数据结构增强LSTM算法的鲁棒性,达到提高SOC估计精度的目的.分别在自定义的充电、放电与模拟真实飞行器充放电实验工况下对所提算法进行了验证.结果表明,算法能够在充电与放电工况下实现10s内收敛,模拟真实飞行器充放电实验工况下0.01s收敛至预估精度2％以下,收敛后3种工况下最大预估误差均不超过0.005.证明了所提算法具有较强的鲁棒性与快速性,为动力电池的SOC估计优化提供了理论指导.

作者：王志亮   吴勇   韩尚卿   范晓东   王猛   于承航 Author：WANGZhiliang   WUYong   HANShangqing   FANXiaodong   WANGMeng   YUChenghang
作者单位：北京机电工程研究所,北京100071中电科蓝天科技股份有限公司,天津300384
刊名：电源技术
Journal：ChineseJournalofPowerSources
年，卷(期)：2024, 48(2)
分类号：TM912.9
关键词：锂离子电池  长短期记忆神经网络  荷电状态  滑动窗口  
Keywords：lithium-ionbattery  longshort-termmemoryneuralnetwork  stateofcharge  slidingwindow  
机标分类号：TM912U469.72TP301.6
在线出版日期：2024年3月26日
基金项目：基于单步滑动窗口-长短期记忆网络的锂电池SOC估计算法[
期刊论文]  电源技术--2024, 48(2)王志亮  吴勇  韩尚卿  范晓东  王猛  于承航准确的荷电状态(SOC)预估是电池管理系统安全稳定运行的基础,对锂离子电池的推广应用具有重要意义.为提高荷电状态的估计精度,建立了一种长短期记忆网络(LSTM)与单步滑动窗口技术相结合的荷电状态估计模型.引入单步滑动...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

        基于单步滑动窗口-长短期记忆网络的锂电池SOC估计算法  SOC estimation algorithm of lithium-ion battery based on single step sliding window-long short-term memory network

基于单步滑动窗口-长短期记忆网络的锂电池SOC估计算法.pdf

2024-12-14 12:13 上传 基于单步滑动窗口长短期记忆网络的锂电池SOC估计算法.pdf

文件大小:

1.06 MB

下载次数:

60

高速下载