基于E3D-LSTM和电芯位置结构特征的电池SOC预测算法
申请号:CN202511013352
申请日期:2025-07-23
公开号:CN120831578A
公开日期:2025-10-24
类型:发明专利
摘要
本发明涉及一种基于E3D‑LSTM和电芯位置结构特征的电池SOC预测算法,其包括:根据电池包内电池的位置结构和电池参数建三维矩阵作为输入数据;输入数据进行标准化处理,使用处理好的输入数据构建训练集、验证集、测试集;构建基于E3D‑LSTM的电池SOC预测模型,确定模型基本结构参数;利用训练集、验证集、测试集对基于E3D‑LSTM的电池SOC预测模型进行训练、验证及测试。通过该预测算法具有无需累计误差、无需系统处于开路状态等额外条件下便可进行预测,此外该预测方法还具有应用的原始信息更全面、预测的结果更准确等优点。
技术关键词
电池
LSTM模型
矩阵
神经网络激活函数
构建训练集
参数
数据
预测输出值
误差
标准化方法
归一化方法
传播算法
交通流
代表
时间段
序列
电压
通道