基于多指标的CNN-LSTM锂电池SOH估计模型OACSTPCD
Multi-indicator based CNN-LSTM Li-ion battery SOH estimation model
为了解决锂电池健康状态(SOH)估计精度不高、健康指标单一而难以描述电池退化特征的问题,提出一种基于多指标的卷积神经网络(CNN)-长短时记忆神经网络(LSTM)锂电池SOH估计模型.通过从锂电池充电电压、电流和温度数据中提取多个健康指标,搭配CNN和LSTM融合模型,实现锂电池SOH在线估计.经过美国国家航天局(NASA)数据集验证,结果表明相比于CNN、LSTM、前馈神经网络(FNN)等其他方法,该研究更能够有效表征电池容量的退化情况,平均绝…查看全部>>
张慧颖;王军华;丁汀;朱永茂
武汉大学电气与自动化学院,湖北武汉 430072武汉大学电气与自动化学院,湖北武汉 430072武汉大学电气与自动化学院,湖北武汉 430072武汉大学电气与自动化学院,湖北武汉 430072
动力与电气工程
健康状态多健康指标CNN-LSTM
state of healthmultiple health indicatorsCNN-LSTM
《电源技术》 2023 (10)
1303-1307,5
国家自然科学基金青年基金(52207013)
评论