基于改进LSTM的脉冲大倍率工况下锂电池SOC估计
锂离子电池是电力系统中不可或缺的重要储能元件.针对脉冲大倍率放电下锂离子电池荷电状态(State of Charge,SOC)预测问题,采用改进的长短期记忆循环神经网络(Long Short-term Memory,LSTM)搭建三元锂电池SOC预测模型.所用方法在原有LSTM基础上增加两个门控单元,通过增强LSTM内部输入和输出的交互,提高模型的动态逼近能力.在脉冲大倍率放电工况下,将所用方法与BP神经网络(Back Propagation,BP)、LSTM神经网络相比较,验证了算法在脉冲放电下的预测性能.实验结果表明,改进方法可准确表征三元锂电池工作特性,满足了SOC估计的实际需求.
三元锂电池、荷电状态、脉冲大倍率、循环神经网络
49
TM912;TP391;P338.2
山东省自然科学基金;山东省自然科学基金重点项目
2021-06-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
144-150