本发明公开了基于进化注意力机制的LSTM电池健康状态估计方法,具体为:首先,获取
锂电池的额定容量、n条恒流充电电压曲线和当前的SOH,定义特征提取中的三个参数,对曲线进行特征提取和处理;之后定义注意力参数W,使用W来构造基于注意力机制的LSTM模型;通过非支配排序遗传算法II对参数进行优化,得到一组表现最优的个体;再选择一个MSE值最小的个体,对该个体进行解码,将老化特征划分为训练集和测试集,将测试集输入到解码后的LSTM模型中,根据测试集得出电池SOH估计结果。本发明方法,可以自适应地从电压曲线上获取合适的老化特征采样范围,提升自动化程度,同时提高SOH估计方法的性能。
声明:
“基于进化注意力机制的LSTM电池健康状态估计方法” 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)