本发明提供一种基于优化深度信念网络的锂离子电池SOC预测方法,该方法以锂离子电池电压、电流归一化后的数据为Re‑DBN预测模型的输入,利用量子遗传(QGA)算法优化Re‑DBN预测结果,得到最优SOC为输出,采用深度信念网络(DBN)训练锂离子电池SOC预测模型,并针对所述的锂离子电池SOC预测模型的网络深度问题,基于深度信念网络模型中每层RBM训练的重构误差(Rerror),建立一种优化深度信念网络(Re‑DBN)预测模型,利用QGA算法自动寻优,得到每个Re‑DBN预测模型输出SOC值的权值,得到最优SOC预测结果。以提高锂离子电池SOC预测预测模型的自主学习和预测能力,并提高锂离子电池SOC预测的准确性。
声明:
“基于优化深度信念网络的锂离子电池SOC预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)