典型文献
基于经验模态分解的门控循环单元神经网络的锂离子电池荷电状态估计
文献摘要：
锂离子电池荷电状态(SOC)估计技术是电动汽车电池监测系统(BMS)设计的重要组成部分.该文提出一种基于经验模态分解(EMD)的门控循环单元(GRU)神经网络的锂离子电池荷电状态估计方法,在GRU估计SOC的基础上,引入EMD算法分解放电电流,不仅提高GRU模型对长时间电流信号保持长期信息的能力,而且提高锂离子电池荷电状态估计精度.仿真实验表明,与传统的循环神经网络和长短期记忆网络相比,该文所提基于EMD-GRU方法的锂离子电池SOC估计平均绝对误差为1.5093％,同比降低了20.7924％.
文献关键词：
锂离子电池;荷电状态估计;门控循环单元;经验模态分解
中图分类号：
作者姓名：
李宁;何复兴;马文涛;蒋林;张小平
作者机构：
西安理工大学电气工程学院 西安 710048;利物浦大学电气工程和电子系 利物浦 英国 L693GJ;伯明翰大学电子、电气和系统工程系 伯明翰 英国 B152TT
文献出处：
引用格式：
[1]李宁;何复兴;马文涛;蒋林;张小平-.基于经验模态分解的门控循环单元神经网络的锂离子电池荷电状态估计)[J].电工技术学报,2022(17):4528-4536
A类：
B类：
基于经验,经验模态分解,门控循环单元神经网络,锂离子电池,电池荷电状态,荷电状态估计,SOC,电动汽车电池,电池监测,BMS,EMD,GRU,估计方法,放电电流,电流信号,估计精度,循环神经网络,长短期记忆网络,平均绝对误差,比降
AB值：
0.204449
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。
