文献类型：期刊文章

作　　者：明彤彤[1] 赵晶[2] 王晓磊[3] 王凯[1]

MING Tongtong;ZHAO Jing;WANG Xiaolei;WANG Kai(College of Electrical Engineering,Qingdao University,Qingdao 266071,China;Electric Power Research Institute of State Grid Shandong Electric Power Company,Jinan 250000,China;Hisense Visual Technology Co.,Ltd.,Qingdao 266400,China)

机构地区：[1]青岛大学电气工程学院,山东青岛266071 [2]国网山东省电力公司电力科学研究院,山东济南250000 [3]青岛海信电子设备股份有限公司,山东青岛266400

出　　处：《电力系统保护与控制》

基　　金：山东省自然科学基金项目资助(ZR201910230295);山东省自然科学基金重点项目资助(ZR202010290147)。

年　　份：2021

卷　　号：49

期　　号：8

起止页码：144-150

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：锂离子电池是电力系统中不可或缺的重要储能元件。针对脉冲大倍率放电下锂离子电池荷电状态(State of Charge,SOC)预测问题,采用改进的长短期记忆循环神经网络(Long Short-term Memory,LSTM)搭建三元锂电池SOC预测模型。所用方法在原有LSTM基础上增加两个门控单元,通过增强LSTM内部输入和输出的交互,提高模型的动态逼近能力。在脉冲大倍率放电工况下,将所用方法与BP神经网络(Back Propagation,BP)、LSTM神经网络相比较,验证了算法在脉冲放电下的预测性能。实验结果表明,改进方法可准确表征三元锂电池工作特性,满足了SOC估计的实际需求。

关 键 词：三元锂电池  荷电状态 脉冲大倍率  循环神经网络

分 类 号：TM912] TP183]