基于LSTM的电池组工作状态预测 |
| |
引用本文: | 李轩谊,赵慧勇.基于LSTM的电池组工作状态预测[J].湖北汽车工业学院学报,2023(4):22-26+31. |
| |
作者姓名: | 李轩谊 赵慧勇 |
| |
作者单位: | 湖北汽车工业学院汽车工程学院 |
| |
摘 要: | 运用长短期记忆神经网络(LSTM)对电池的电压、电流、荷电状态(SOC)进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明:多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。
|
关 键 词: | 锂离子电池 长短期记忆神经网络 电池参数预测 驾驶行为 |
|
|