考虑未来功率需求的锂离子电池SOC多步预测OA北大核心CSTPCD

为提高荷电状态(SOC)多步预测精度,提出了基于长短期记忆(LSTM)的编码器-解码器用于SOC多步预测,在输入中考虑未来电池功率序列,在编码器和解码器上依次提取历史特征序列和未来功率序列的时间依赖信息。以某全电动飞机用锂离子电池包为应用案例,采集电池实验平台测试数据构建训练集和测试集,通过五折交叉验证选择模型的超参数。预测时长为300 s时,平均绝对误差、最大绝对误差和均方根误差分别为0.4231%、2.4847%和0.6450%。与没有输入未来功率的SOC多步预测模型进行对比,验证了在输入中增加未来功率能有效提高预测精度,与同样输入所有特征的多层感知机进行对比,验证了LSTM编码器-解码器具有更好的预测性能。