一种基于迁移学习与深度学习的锂电池SOC估算方法

    公开(公告)号:CN116125280A

    公开(公告)日:2023-05-16

    申请号:CN202211649598.8

    申请日:2022-12-21

    摘要: 一种基于迁移学习与深度学习的锂电池SOC估算方法,采用NASA锂电池数据集作为源数据集,采用Panasonic锂电池实验数据集作为目标数据集;选用放电电压、放电电流、电池温度作为CNN‑LSTM神经网络模型的输入特征,电池的SOC值作为模型的输出,采用安时积分法计算得出的SOC作为目标输出,对数据进行了最大‑最小的标准化处理;通过标准化处理后的数据再进行数据的预训练作为模型的输入值;进行预训练;然后进行模型的建立;选取再训练超参数进行迁移学习;对比是否进行迁移学习产生的预测结果,通过对比,改变超参数探究超参数对预测结果的影响并选取最优的超参数,来优化模型使其达到最优情况。本发明能实现新的小样本数据SOC预测的任务,具有更快的训练速度和泛化性能。