基于卷积-双向长短期记忆网络的电池SOC预测

摘要：

锂电池的预测性维护是电池应用的重点,实现它的关键是有效地预测锂电池的荷电状态(SOC).随着信息技术和深度学习网络算法的发展,深度学习法在SOC预测方面显示出很好的潜力.提出了一种基于卷积-双向长短期记忆网络(CNN-BiLSTM)的SOC预测方法,利用卷积神经网络(CNN)模型提取局部特征,双向长短期记忆网络(BiLSTM)充分利用双向SOC的时间信息.在公共数据集上的对比实验表明,该模型提高了SOC预测的准确性.

关键词：荷电状态、卷积神经网络、双向长短期记忆、锂电池、深度学习

所属期刊栏目：46

分类号：TM912

资助基金：国家自然科学基金51804278

在线出版日期：2022-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：532-535