10.11857/j.issn.1674-5124.2020080121
加窗LSTM网络的动力电池SOC预测优化算法
动力电池荷电状态(state of charge,SOC)的实时预估对提高电动汽车电池利用率、优化电动汽车性能意义重大.该文提出一种可学习电池诸多干扰因素的加窗LSTM网络动力电池SOC预测算法,首先构建加窗LSTM网络的动力电池SOC预测算法,由动力电池电流、电压、温度结合历史数据实时预测动力电池SOC;其次,分析并提出加窗LSTM网络优化超参数为LSTM网络的窗口大小、cell数量、全连接层激活函数,试验证明,优化LSTM网络能实时预测动力电池SOC,在不同充放电、路谱工况下的动力电池SOC预测最大误差均不超过2.20％.
动力电池;荷电状态;长短期记忆;超参数优化
47
TH89
广东省重点领域研发计划项目2019B090908003
2022-01-12（万方平台首次上网日期，不代表论文的发表时间）
共5页
87-91
