基于LSTM的电池组工作状态预测

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%。