基于CNN-BiLSTM-AT混合模型的新能源汽车锂离子电池健康状态预测

扫码查看

原文链接

万方数据
维普

中文摘要：快速准确的健康状态预测能够提高新能源汽车锂离子电池的长期使用安全性和可靠性，可为电池管理系统的优化提供可靠的数据支持。结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(AT)技术，提出并验证了CNN-BiLSTM-AT混合模型的预测有效性。以三元锂电池和磷酸铁锂电池为例，将CNN-BiLSTM-AT模型与其他6种预测模型进行对比。结果表明:CNN-BiLSTM-AT模型在多种电池类型和不同循环次数下均表现出色，具有最低的均方根误差和平均绝对误差，且决定系数R2 接近1，显著优于其他模型。

作者：

曹宇

展开 >

作者单位：

北京理工大学珠海学院,广东珠海 519088

关键词：

锂离子电池健康状态预测 CNN-BiLSTM-AT模型电池管理

出版年：

2024

汽车与新动力

上海内燃机研究所

汽车与新动力

影响因子：0.019

ISSN：2096-4870

年,卷(期)：2024.7(5)