典型文献
基于LSTM的储能蓄电池SOC与SOH联合在线估计
文献摘要：
蓄电池组是微电网储能系统重要的组成部分之一,对储能系统的整体技术及经济性能具有重要影响.针对蓄电池荷电状态(SOC)与健康状态(SOH)在线准确测量的难题,提出基于长短期记忆(LSTM)神经网络的蓄电池SOC与SOH联合在线估算方法.该方法利用LSTM的动态逼近与长时间记忆能力,以电池端电压、电流及温度的时间序列数据,将阶段SOH均值引入SOC的估算中实现联合估算.采用NASA开放实验数据测试,基于LSTM网络的联合模型相比于单独模型及Bp传统网络具有更高的精确度和更稳定的估算效果.
文献关键词：
储能蓄电池;长短期记忆神经网络;荷电状态;健康状态
中图分类号：
作者姓名：
尹春杰;王亚男;李鹏飞;肖发达;赵钦
作者机构：
山东建筑大学信息与电气工程学院,山东济南250101;潍坊职业学院机电工程学院,山东潍坊261041
文献出处：
引用格式：
[1]尹春杰;王亚男;李鹏飞;肖发达;赵钦-.基于LSTM的储能蓄电池SOC与SOH联合在线估计)[J].电源技术,2022(05):541-544
A类：
B类：
储能蓄电池,SOC,SOH,在线估计,蓄电池组,微电网储能,储能系统,经济性能,电池荷电状态,健康状态,准确测量,估算方法,法利,逼近,时间记忆,记忆能力,端电压,时间序列数据,NASA,开放实验,数据测试,联合模型,Bp,更稳,算效,长短期记忆神经网络
AB值：
0.354452
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。
