典型文献
一种基于注意力机制的CNN-LSTM锂电池健康状态估算
文献摘要：
为了实时、便捷、准确地评估电动汽车锂电池健康状态(SOH),提出一种基于注意力机制的卷积神经网络(CNN)-长短期记忆网络(LSTM)的电池SOH估算方法,该算法融合了CNN、LSTM以及注意力机制的思想.通过将单个采样周期内的电压、电流、温度采样序列进行不同尺寸的卷积核运算得到多视野域下的特征序列,利用LSTM挖掘特征序列的长短期关系得到多个输出结果,最终通过注意力权值进行整合输出得到SOH值.实验结果表明:对于上海市电动汽车公共数据采集与监测研究中心提供的测试数据集,该方法取得了较优的估算结果,相比LSTM、CNN-LSTM算法,其在各评价指标上表现更优.
文献关键词：
电池健康度;卷积神经网络;长短期记忆网络;注意力机制
中图分类号：
作者姓名：
楚瀛;陈一凡;米阳
作者机构：
上海电力大学电气工程学院,上海200082
文献出处：
引用格式：
[1]楚瀛;陈一凡;米阳-.一种基于注意力机制的CNN-LSTM锂电池健康状态估算)[J].电源技术,2022(06):634-637,651
A类：
B类：
注意力机制,锂电池,电池健康状态,健康状态估算,电动汽车,SOH,长短期记忆网络,估算方法,算法融合,采样周期,不同尺寸,卷积核,特征序列,输出结果,权值,出得,市电,公共数据,测试数据,电池健康度
AB值：
0.273781
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。
