典型文献
基于深度学习的动力锂离子电池容量估计
文献摘要：
面向新能源汽车用户的特点,提出基于深度学习的锂离子电池容量估计方法.使用循环神经网络(RNN),学习车载动力锂离子电池的负载电流、电芯温度和放电量序列到电压序列的函数映射关系.训练后,将设定的1.00 C放电对应的电流、温度和放电量序列输入到模型中,获取输出的电压序列.由电池的循环老化数据,从1.00 C放电曲线中提取特征,使用支持向量回归(SVR)模型学习提取特征到电池容量之间的函数映射关系.从RNN预测的电压曲线中提取特征,输入SVR模型,得到电池的容量估计值.所提模型充分利用了充放电数据,容量的估计误差不超过2.253％.
文献关键词：
锂离子电池;容量估计;循环神经网络(RNN);支持向量回归(SVR)
中图分类号：
作者姓名：
郭邦军;李家琦;马小乐;王芳
作者机构：
上海交通大学机械与动力工程学院,上海 200240;中汽研新能源汽车检验中心(天津)有限公司,天津 300300;中国汽车技术研究中心有限公司,天津 300300
文献出处：
引用格式：
[1]郭邦军;李家琦;马小乐;王芳-.基于深度学习的动力锂离子电池容量估计)[J].电池,2022(05):517-521
A类：
B类：
动力锂离子电池,电池容量估计,新能源汽车,汽车用,估计方法,循环神经网络,RNN,车载,负载电流,电芯温度,放电量,列到,电压序列,函数映射,映射关系,循环老化,提取特征,支持向量回归,SVR,模型学习,征到,电压曲线,估计值,充放电,估计误差
AB值：
0.290987
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。
