典型文献
基于LSTM+UKF融合的动力锂电池SOC估算方法
文献摘要：
为提高动力电池荷电状态(stateofcharge,SOC)估算准确性、稳定性,该文提出一种基于LSTM+UKF(long short term memory+unscented Kalman filter)融合的动力锂电池SOC估算方法.构建动力锂电池SOC估算窗口LSTM结构,通过动力电池电流、电压、温度并结合历史数据实时预测动力电池SOC训练网络;设计动力锂电池SOC估算UKF算法,提出融合策略.实验表明,研究窗口LSTM+UKF融合动力锂电池SOC估算方法RMSE、MAX、MAE分别为1.13％、1.74％、0.39％,相较于加窗LSTM网络提升了动力锂电池SOC估算的准确性、稳定性.
文献关键词：
动力电池;荷电状态;长短期记忆;无迹卡尔曼滤波;算法融合
中图分类号：
作者姓名：
李泓沛;刘桂雄;邓威
作者机构：
华南理工大学机械与汽车工程学院,广东广州510640
文献出处：
引用格式：
[1]李泓沛;刘桂雄;邓威-.基于LSTM+UKF融合的动力锂电池SOC估算方法)[J].中国测试,2022(08):22-28
A类：
LSTM+UKF,stateofcharge,memory+unscented
B类：
动力锂电池,SOC,估算方法,动力电池,电池荷电状态,long,short,term,Kalman,filter,历史数据,实时预测,融合策略,RMSE,MAX,MAE,加窗,长短期记忆,无迹卡尔曼滤波,算法融合
AB值：
0.240327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
