[发明专利]一种基于循环神经网络的锂离子电池SOC预测方法

摘要

本发明涉及本发明公开了一种基于循环神经网络的锂离子电池SOC预测方法，属于电动汽车电池管理系统领域，本发明首先通过滑动窗口算法改进通过数次试验得到的电池外部参数数据以及此时对应的SOC值共同组成的数据集，然后通过改进的循环神经网络即长短时记忆网络方法建立动力电池SOC估算模型，通过试验反复验证得到网络层函数以及梯度调整方法，最后通过设置不同的学习率验证模型的预测结果。本发明可以准确的预测下一时刻SOC值，并且预测精度高，训练时长较短，成本低，可广泛应用于电动汽车动力电池上的电池管理系统当中。

主权项

1.一种基于循环神经网络的锂离子电池SOC预测方法，其特征在于：该方法包含如下步骤：S1：对锂离子电池进行多次循环充放电试验，采集每次循环过程中每个时刻的锂离子电池运行过程的特征参数，并计算每时刻锂离子电池的荷电状态(State Of Charge SOC)；S2：将电池的外部特性参数作为长短时记忆模型(Long Short‑Term Memory LSTM)网络结构的输入，并将锂离子电池的SOC作为网络结构的输出；S3：对采集的输入数据进行预处理，删除冗余数据，并对输入数据做归一化处理；S4：利用滑动窗口算法将多元时间序列问题转化为监督学习问题，将电池的充放电状态作为输入的标签量，建立输入数据序列；S5：根据输入输出特性建立全连接的LSTM网络结构，确定隐含层节点数，将预处理过后的电池外部特性数据输入到初始化后的LSTM网络结构中，正向传递训练网络，并根据真实SOC值反向传播调整网络参数和偏差值，从而确定最终适用于预测准确SOC值的LSTM网络结构；S6：将测试样本输入训练好的LSTM网络结构进行检验，计算预测误差。