10.3969/j.issn.1006-2475.2023.08.005
基于改进LSTM算法的锂电池SOC估计
针对锂电池荷电状态(State of charge,SOC)估计精度低的问题,提出一种基于改进的LSTM算法建立神经网络模型方法,得到电压和电流输入与SOC输出之间的映射关系.并通过拓展卡尔曼滤波器滤除输出估计值的噪声,增强了模型的稳定性.在神经网络模型建模过程中采用改进的粒子群算法对神经元个数、学习率、步长等超参数进行优化,进一步提高了锂电池SOC的估计效率和准确性.最后,采用马里兰大学CALCE数据集中的DST工况数据进行模型训练,使用FUDS、US06工况数据集,对改进的LSTM算法与CNN-LSTM、GRU以及CatBoost等算法进行对比实验.实验结果表明改进后的LSTM算法估计模型具有较高的稳定度与准确性,验证了改进方案的可行性.
锂电池、SOC估计、LSTM、粒子群优化、EKF滤波器
TM912.9
国家自然科学基金61971253
2023-09-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
25-30