一种基于LSTM-RNN的脉冲大倍率工况下锂离子电池仿真建模方法

• 作者: 张振宇 李超然 杨国润 樊亚翔 肖飞
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 锂离子电池 电池模型 脉冲大倍率工况 长短期记忆循环神经网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 电机与电器
• 页码范围: 3031-3041
• 页数: 11页
• 分类号: TM912
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.191191

摘要

锂离子电池是电力系统中不可或缺的重要储能元件,脉冲大倍率工况下运行的锂离子电池具有单次放电时间短、放电循环多、状态变化频繁、非线性极化现象明显等特点.该文以脉冲大倍率工况下锂离子电池模型为研究对象,针对电化学模型和等效电路模型对模型依赖度高、模型参数难以获取以及脉冲大倍率工况下非线性极化现象导致拟合精度不足等问题,提出基于长短期记忆循环神经网络(long short term memory recurrent neural network,LSTM-RNN)以实现准确的锂离子电池建模.该方法利用LSTM-RNN的动态逼近和长时记忆能力,以获取脉冲大倍率工况下锂离子电池性能参数和电池端电压、荷电状态、电流、温度之间的非线性关系.在6种脉冲大倍率放电工况下对磷酸铁锂电池进行建模,实验结果表明,所提出的基于长短期记忆循环神经网络的锂离子电池模型均能够准确表征磷酸铁锂电池工作特性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨国润		4	0	0.0	0.0
2	肖飞		13	0	0.0	0.0
3	李超然		2	0	0.0	0.0
4	樊亚翔		2	0	0.0	0.0
5	张振宇		1	0	0.0	0.0