基于LSTM神经网络的动力电池SOC估算研究

• 作者: 张晶 文怀兴 杨鑫 郑永飞 韩昉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 动力电池 LSTM 荷电状态 MATLAB
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 78-81,88
• 页数: 5页
• 分类号: TP3|TM912.9
• 字数: 2972字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.014

摘要

电池监控是电动汽车安全行驶的必要手段,电池的荷电状态(State of Charge,SOC)则是衡量电动汽车安全性能的直接指标.针对锂离子电池的非线性特性,设计一种基于深度学习的长短期记忆网络(Long Short-Term Memory,LSTM)SOC预测模型.通过MATLAB实验验证以及与其他算法的比较分析得出,该模型可以有效解决传统神经网络容易陷入局部最小值以及出现梯度消失、爆炸等问题,估算误差小于2％,具有较高的精度和应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文怀兴	陕西科技大学机电工程学院	170	960	16.0	22.0
2	韩昉	陕西科技大学机电工程学院	15	51	3.0	7.0
3	郑永飞	陕西科技大学机电工程学院	3	1	1.0	1.0
4	杨鑫		2	1	1.0	1.0
5	张晶		1	0	0.0	0.0