| 基于GAN-CNN-LSTM的锂电池SOH估计 |
| |
| 引用本文： | 张岸,杨春德.基于GAN-CNN-LSTM的锂电池SOH估计[J].电源技术,2021,45(7):902-906. |
| |
| 作者姓名： | 张岸 杨春德 |
| |
| 作者单位： | 重庆邮电大学理学院,重庆400065;重庆邮电大学计算机科学与技术学院,重庆400065 |
| |
| 摘 要： | 针对当前数据驱动的方法在估计锂电池的健康状态(SOH)时准确率较低的问题,提出了一种新的锂电池SOH在线估计方法.在对锂电池的SOH进行预测之前,利用生成对抗网络(GAN)对原始的锂电池数据进行数据增强,扩充了训练样本,利用卷积神经网络(CNN)与长短期记忆网络(LSTM)提取了输入数据的特征并对锂电池的SOH进行在线估计.实验结果表明,该方法相比于其他主流的数据驱动的方法,具有更高的估计准确率,在B0005锂电池单体上分别从充放电循环的30％、50％、70％开始估计SOH的均方根误差(root mean square error,RMSE)为0.0022、0.0022、0.0014.
|
| 关 键 词： | 锂电池 健康状态 生成对抗网络 估计 |
SOH estimation of lithium batteries based on GAN-CNN-LSTM |
| |
| ZHANG An,YANG Chunde.SOH estimation of lithium batteries based on GAN-CNN-LSTM[J].Chinese Journal of Power Sources,2021,45(7):902-906. |
| |
| Authors: | ZHANG An YANG Chunde |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
