典型文献
基于卷积-双向长短期记忆网络的电池SOC预测
文献摘要：
锂电池的预测性维护是电池应用的重点,实现它的关键是有效地预测锂电池的荷电状态(SOC).随着信息技术和深度学习网络算法的发展,深度学习法在SOC预测方面显示出很好的潜力.提出了一种基于卷积-双向长短期记忆网络(CNN-BiLSTM)的SOC预测方法,利用卷积神经网络(CNN)模型提取局部特征,双向长短期记忆网络(BiLSTM)充分利用双向SOC的时间信息.在公共数据集上的对比实验表明,该模型提高了SOC预测的准确性.
文献关键词：
荷电状态;卷积神经网络;双向长短期记忆;锂电池;深度学习
中图分类号：
作者姓名：
陈继斌;李雯雯;孙彦玺;许静;张单
作者机构：
郑州轻工业大学建筑环境工程学院,河南郑州451002
文献出处：
引用格式：
[1]陈继斌;李雯雯;孙彦玺;许静;张单-.基于卷积-双向长短期记忆网络的电池SOC预测)[J].电源技术,2022(05):532-535
A类：
B类：
双向长短期记忆网络,SOC,锂电池,预测性维护,荷电状态,深度学习网络,网络算法,BiLSTM,局部特征,时间信息,公共数据
AB值：
0.156382
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。
