基于LSTM-NPKDE的锂离子电池 SOC预测与不确定分析

• 作者: 李文启 李朝晖 顾波 饶宇飞 高东学
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 锂离子电池 荷电状态 长短期记忆网络 预测不确定性 置信区间
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研究与分析
• 页码范围: 44-50
• 页数: 7页
• 分类号: TM910
• 字数: 3500字
• 语种: 中文
• DOI: 10.16628/j.cnki.2095-8188.2020.05.007

摘要

提出一种基于长短期记忆(LSTM)网络的锂离子电池荷电状态(SOC)预测方法.以锂离子电池的充放电电流和电压作为模型输入,对锂离子电池SOC进行预测,结果表明LSTM网络的预测精度高于BP神经网络、BP-PSO混合模型和小波神经网络.利用非参数核密度估计方法来计算锂离子电池SOC预测的置信区间,结果表明能够准确计算不同置信水平下锂离子电池SOC预测的不确定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾波		38	228	6.0	13.0
2	李文启		12	54	5.0	7.0
3	饶宇飞	国网河南省电力公司电力科学研究院	7	17	2.0	4.0
4	李朝晖	国网河南省电力公司电力科学研究院	11	44	4.0	6.0
5	高东学		4	9	1.0	3.0