基于改进LSTM的变电站铅酸电池寿命预测

• 作者: 刘斌 张学敏 李瑞津 舒征宇
• 来源期刊: 电池
• 学科: 工学
• 关键词: 铅酸电池 寿命预测 经验模态分解 变电站电池 神经网络 长短期记忆(LSTM)
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 技术交流
• 页码范围: 560-564
• 页数: 5页
• 分类号: TM912.1
• 语种: 中文
• DOI: 10.19535/j.1001-1579.2020.06.012

摘要

提出适用于变电站铅酸电池的寿命预测模型.引入集合经验模态分解法对长短期记忆神经网络模型进行改进,将电池使用寿命的特征量进行分解,构建多层结构的预测模型,提升预测结果的准确率.对比仿真结果发现,提出的改进方法可适用于小样本下的预测模型训练,且在各个样本中的平均绝对误差(MAE)不超过3 Ah,均方根误差(RMSE)不超过4 Ah.