基于深度学习的SOC预测模型比较研究
刘建华
陈治铭
陈可纬
陈林颖
福建工程学院计算机科学与数学学院 福州 350118;福建省大数据挖掘与应用技术重点实验室 福州 350118
摘要：锂离子电池的荷电状态(SOC)所包含的物理性质和电化学性质十分复杂,通常很难直接测定其数值,利用大数据的机器学习模型来预测SOC成为一个重要技术方法.近年来,随着神经网络的深度学习算法发展,基于深度学习的SOC估计模型已取得突破成果.论文总结了锂离子电池荷电状态预测方法的深度学习方法,主要分析比较CNN、GRU、LSTM、CNN-LSTM和CNN-GRU的经典模型方法与特点,通过实验数据分析对比其各模型的效果.论文对比实验选取不同室温环境下的不同工况作为测试集,通过预测结果的误差评估发现卷积神经网络对于循环神经网络的预测结果优化有较大的提升,其中CNN-LSTM的效果尤为显著.
关键词：SOC卷积神经网络循环神经网络CNN-LSTMCNN-GRU
分类号：TM9(电工技术)
资助基金：中央引导地方项目(2020L3024)福州市科技创新平台项目(2021-P-052)福建工程学院发展基金(GY-Z20046)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1668-1675 )
英文信息