基于Adam优化算法和长短期记忆神经网络的锂离子电池荷电状态估计方法

摘要：

锂离子电池是电动汽车、无人机及电力电子设备的储能系统组件,对其进行准确的荷电状态(SOC)估计对于正确决策、安全控制和维护具有重要意义.针对锂离子电池SOC估计问题,本文采用长短期记忆(LSTM)神经网络搭建锂离子电池SOC估计模型,将电池电压、电流、温度作为输入,建立多层LSTM预测模型,采用Adam优化算法与Dropout正则化方法完成LSTM模型的训练.测试结果表明,在模型训练过程中加入Adam优化算法与Dropout正则化方法,使模型对实验数据集的非线性和初始荷电状态的不确定性具有鲁棒性.

关键词：锂离子电池、长短期记忆(LSTM)神经网络、Adam优化算法、荷电状态(SOC)估计

所属期刊栏目：23

分类号：TM912;TP391;U469.72

资助基金：辽宁省教育厅科学研究项目

在线出版日期：2022-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：25-30,36