稿件详情
当前位置:首页 >稿件详情
发布日期:2024-02-19 浏览次数:582 下载次数:638 DOI字段:10.19457/j.1001-2095.dqcd25099
摘要:电池荷电状态(SOC)是锂离子电池管理技术中最重要的参数之一,高精度的SOC估计有利于储能电站的并网和控制。电池充放电数据不仅具有时序性,特征变量之间也存在一定空间关系,为提高估算方法的准确性和通用性,提出一种基于CNN-LSTM联合网络结构的锂离子电池SOC估计方法,先通过CNN特征提取获取了锂离子电池不同维度数据间的特征关系,然后经过LSTM网络结构提取其中的时间序列关系,联合网络充分获取了电池数据集的空间时间特性。实验结果表明,基于CNN-LSTM联合网络模型预测电池SOC平均误差控制在0.65%,较单独的CNN网络预测平均误差降低4.4%左右,较单独的LSTM网络预测的平均误差降低0.2%左右,具有较好的应用前景。
关键词:锂离子电池;电池荷电状态;卷积神经网络;长短期记忆网络
中图分类号:TM28 文献标识码:A
天津电气科学研究院有限公司 版权所有 津ICP备07001287号 Powered by Handynasty
网上违法和不良信息举报电话(河东区):022-84376127 | 举报邮箱:wangzheng@tried.com.cn