本发明涉及一种锂离子电池荷电状态估计方法,首先、采集不同工况下锂离子电池放电数据,并对数据进行归一化处理后划分为训练集和测试集;其次:构建包括输入层、LSTM层、全连接层和输出层的LSTM预测模型;然后、使用粒子群优化算法和训练数据对LSTM预测模型的超参数进行寻优,在满足预测模型评价标准的基础上确定LSTM的最优参数,最终获得锂离子电池荷电状态估计模型,最后利用训练好的LSTM模型对测试集进行预测,得到锂离子电池荷电状态估计结果。构建锂离子电池荷电状态LSTM预测模型,并通过粒子群优化算法(PSO)对LSTM神经网络的超参数进行寻优,进一步提高了LSTM的预测效果和稳定性。
声明:
“锂离子电池荷电状态估计方法、存储介质” 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)