典型文献
基于注意力机制的双向LSTM锂电池SOH估算模型
文献摘要：
为提高锂电池健康状态(state of health,SOH)估算精确度,提出了一种基于注意力机制(attention)和双向长短期记忆网络(bidirectional long short term memory,Bi-LSTM)的锂电池SOH估算模型.利用锂电池在放电过程中测得的电压、温度和满电荷状态下的容量作为输入特征.建立Bi-LSTM充分学习序列特征;利用注意力机制分配特征隐含状态下的权重;最后映射得到目标值SOH.在NASA锂电池数据集上的仿真结果表明5、6号电池的均方根误差和绝对百分比均方误差都保持在0.0045和0.30％以内.
文献关键词：
锂电池;健康状态;注意力机制;Bi-LSTM
中图分类号：
作者姓名：
李苏阳;陈富安
作者机构：
河南工业大学电气工程学院,河南郑州450001
文献出处：
引用格式：
[1]李苏阳;陈富安-.基于注意力机制的双向LSTM锂电池SOH估算模型)[J].电源技术,2022(07):739-742
A类：
B类：
注意力机制,锂电池,SOH,估算模型,电池健康状态,state,health,attention,双向长短期记忆网络,bidirectional,long,short,term,memory,Bi,放电过程,满电,电荷,输入特征,学习序列,序列特征,分配特征,目标值,NASA,均方误差
AB值：
0.351679
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。
