检索结果-南通市图书馆

维普期刊数据库

一种对抗性的权重注意力机制Seq2Seq模型估算SOC

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2023年

作者：陈治铭刘建华柯添赐陈可纬福建省大数据挖掘与应用技术重点实验室福建理工大学计算机科学与数学学院

锂电池荷电状态（SOC）准确估算是新能源技术发展中的一项关键技术问题，由于难以直接获取SOC准确数值，而面对此长序列预测问题，采用传统深度学习方法，其估算效果不佳。对此，本文提出一种对抗性的权重注意力序列到序列(AWAS)模型，... 详细信息

锂电池荷电状态（SOC）准确估算是新能源技术发展中的一项关键技术问题，由于难以直接获取SOC准确数值，而面对此长序列预测问题，采用传统深度学习方法，其估算效果不佳。对此，本文提出一种对抗性的权重注意力序列到序列(AWAS)模型，用于估算SOC，其中权重注意力机制(Weighed Attention)通过引入额外的线性变换增强了注意力机制提取长序列依赖的能力。该模型由门控循环单元(Gated Recurrent Units，GRU)作为编码器和解码器的基本构建模块。首先利用编码器提取特征间的相关信息，然后将包含特征信息的隐藏向量交由权重注意力处理，以深化特征间的关联性学习，随后由GRU进行解码，最后与生成对抗网络(Generative Adversarial Network ，GAN)中的鉴别器(Discriminator）联合，提高模型估算能力。通过多步SOC估算任务的测试实验，本文提出的模型估算SOC的均方根误差以及平均绝对百分比误差分别达到0.169 5%和0.209 6%；同时，在不同数据集的单步估算任务测试验中，平均绝对误差和均方根误差达到0.141 2%和0.109 4%；相比稀疏化Informer模型在平均绝对误差评估指标上降低了45.7%。

关键词：锂电池荷电状态序列到序列模型对抗生成网络稀疏化Informer 注意力

基于UKF和AH法的磁悬浮人工心脏泵用锂电池SOC估计复合算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2018年第2期48卷 121-127,133页

作者：董满刘淑琴山东大学电气工程学院山东济南250061 山东省磁悬浮轴承工程技术研究中心山东济南250061

针对锂电池的非线性特性,提出电池状态模型在不同循环次数、不同温度下的具体改进方法;提出安时积分法和无迹卡尔曼滤波算法结合的锂电池荷电状态(state of charge,SOC)复合估计算法,分析新算法的收敛速度、估计精度以及算法复杂度。试... 详细信息

针对锂电池的非线性特性,提出电池状态模型在不同循环次数、不同温度下的具体改进方法;提出安时积分法和无迹卡尔曼滤波算法结合的锂电池荷电状态(state of charge,SOC)复合估计算法,分析新算法的收敛速度、估计精度以及算法复杂度。试验表明,这种复合算法复杂度低,精度高,能快速实现锂电池SOC的准确估计,估算误差为4.036 2%,适合实时在线计算。

关键词：锂电池荷电状态状态模型安时积分法无迹卡尔曼滤波复合算法

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

改进粒子滤波的锂电池SOC估算

实验室研究与探索 2018年第1期37卷 134-138页

作者：樊翠玲驻马店职业技术学院河南驻马店463000

为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对... 详细信息

为了提高锂电池SOC估算的精度,采用改进粒子滤波算法。首先在Thevenin模型的基础上考虑了电流漂移和温度对SOC估算的影响,并对模型参数求解,同时校正了锂电池SOC估算模型,减少了计算误差,使得SOC估算更加精确;通过UKF算法更新粒子,比对权值大小,只有权值大的粒子才能够进入复制组被重新采样,小的则被抛弃,进入复制组的粒子通过线性函数生成新粒子,如果抛弃组粒子数目大于复制组粒子时,循环使用抛弃组粒子;最后给出了算法流程。试验结果表明,改进算法提高了SOC估算精度,本文模型结果与试验标准结果的误差能够控制在较小的范围内,最大误差为1.846%,明显低于采用卡尔曼滤波和粒子滤波算法的SOC估计误差。

关键词：改进粒子滤波锂电池荷电状态权值复制

维普期刊数据库

人工智能技术在汽车电池组运行状态实时分析中应用研究

在线全文

学校读者我要写书评

暂无评论

人工智能技术在汽车电池组运行状态实时分析中应用研究

作者：林虎浙江大学

学位级别：硕士

随着全球现有的资源被过度损耗、大气污染日益严重化,汽车领域目前以发展新能源汽车作为汽车工业领域发展的主流趋势。依据国内外研究,电动汽车作为目前新能源汽车中的代表,其在推广上存在的瓶颈主要有电动汽车电池组的荷电状态精准估... 详细信息

随着全球现有的资源被过度损耗、大气污染日益严重化,汽车领域目前以发展新能源汽车作为汽车工业领域发展的主流趋势。依据国内外研究,电动汽车作为目前新能源汽车中的代表,其在推广上存在的瓶颈主要有电动汽车电池组的荷电状态精准估算问题,以及电动汽车电池组的易燃易爆问题。本文对电动汽车锂电池组荷电状态的估算问题进行了研究,通过数据分析锂电池荷电状态的影响因素,对磷酸铁锂电池模拟的电动汽车实际运行数据进行荷电状态标定。本文针对锂电池荷电状态和电池电压电流温度之间存在的非线性特点,改进了传统的LSTM网络算法,构建了基于时间序列优化的前向生成LSTM网络模型。该模型将过去固定几个时刻的锂电池组电池状态信息进行迭代利用,进一步估算当前时刻的电池荷电状态。通过将该模型对比扩展卡曼滤波算法以及BP神经网络算法,得出该模型在锂电池荷电状态的估算上取得较好效果的结论。最终本文设计实现了改进型电动汽车锂离子电池组测控系统,该系统对锂电池组荷电状态估算算法进行了集成,实现了对于锂电池组荷电状态的精准估算,解决了现有锂电池测控系统的部分缺陷。

关键词：锂电池电动汽车锂电池荷电状态 SOC 磷酸铁锂电池 LSTM 前向生成LSTM