| 基于LSTM的锂电池储能装置SOC与SOH联合预测 |
| |
| 引用本文： | 刘运鑫,姚良忠,周金辉,陈超,柯德平,廖思阳,龚烈锋,程帆.基于LSTM的锂电池储能装置SOC与SOH联合预测[J].全球能源互联网,2022,5(1):37-45. |
| |
| 作者姓名： | 刘运鑫 姚良忠 周金辉 陈超 柯德平 廖思阳 龚烈锋 程帆 |
| |
| 作者单位： | 武汉大学电气与自动化学院,湖北省 武汉市 430000;浙江省电力公司电力科学研究院,浙江省 杭州市 310000 |
| |
| 摘 要： | 锂电池储能装置在电网中承担削峰填谷、调频保电的重要工作,因此有必要预测其运行状态,为下一步制定运维与检修计划提供依据.为实现锂电池储能装置荷电状态(state of charge,SOC)与健康状态(state of health,SOH)的联合预测,首先分析了预测电压与温度的必要性和SOC与SOH的关联性,然后提出采用长短期记忆(long short-term memory,LSTM)网络来预测电压与温度的变化,并增加锂电池储能装置历史运行状态作为特征量来提高预测精度.最后在电压与温度预测值的基础上,对SOC和SOH进行联合预测.仿真结果表明,相比小波神经网络、BP神经网络模型,所提出的预测方法在预测电压与温度变化时精度更高;相较于荷电状态的单独预测,提出的方法能够以较高的精度联合预测SOC和SOH.
|
| 关 键 词： | 锂电池 长短期记忆网络 荷电状态 健康状态 联合预测 |
Joint Prediction of State of Charge and State of Health Based on LSTM for Lithium-ion Batteries |
| |
| LIU Yunxin,YAO Liangzhong,ZHOU Jinhui,CHEN Chao,KE Deping,LIAO Siyang,GONG Liefeng,CHENG Fan.Joint Prediction of State of Charge and State of Health Based on LSTM for Lithium-ion Batteries[J].Journal of Global Energy Interconnection,2022,5(1):37-45. |
| |
| Authors: | LIU Yunxin YAO Liangzhong ZHOU Jinhui CHEN Chao KE Deping LIAO Siyang GONG Liefeng CHENG Fan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
