本发明提出一种基于多层次序列信息自适应融合的
锂电池SOH估计方法。本发明搭建了一种全新的基于深度学习的序列化模型，该模型由两个级联的多层次融合模块和一个双向LSTM层搭建而成。基于所提模型能够自适应提取并融合多层次的序列化信息的优点，该模型能够在一定程度上解决了由电池数据量过少且提取不充分的问题，从而实现了较为精确的锂电池SOH的在线估计。除此之外，所提模型还具有长期记忆的优点，这进一步提高了在线估计精度。实验采用NASA锂离子数据集中的电池退化数据对所提网络模型进行仿真验证，结果表明该模型在完成锂电池SOH在线估计任务的同时，又能保证较高的鲁棒性与精确度。
声明：
“基于多层次序列信息自适应融合的锂电池SOH估计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1091
编辑：管理员
来源：北方有色网
咨询细节
