本發明涉及一種鋰離子電池荷電狀態估計方法,首先、采集不同工況下鋰離子電池放電數據,并對數據進行歸一化處理后劃分為訓練集和測試集;其次:構建包括輸入層、LSTM層、全連接層和輸出層的LSTM預測模型;然后、使用粒子群優化算法和訓練數據對LSTM預測模型的超參數進行尋優,在滿足預測模型評價標準的基礎上確定LSTM的最優參數,最終獲得鋰離子電池荷電狀態估計模型,最后利用訓練好的LSTM模型對測試集進行預測,得到鋰離子電池荷電狀態估計結果。構建鋰離子電池荷電狀態LSTM預測模型,并通過粒子群優化算法(PSO)對LSTM神經網絡的超參數進行尋優,進一步提高了LSTM的預測效果和穩定性。
聲明:
“鋰離子電池荷電狀態估計方法、存儲介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)