基于Adam优化算法和长短期记忆神经网络的锂离子电池荷电状态估计方法.pdfVIP

第 23 卷 第 4 期 电 气 技 术 Vol.23 No.4 2022 年 4 月 Electrical Engineering Apr. 2022 基于Adam 优化算法和长短期记忆神经网络的 锂离子电池荷电状态估计方法 潘锦业 王苗苗 阚 威 高永峰 （大连交通大学自动化与电气工程学院，辽宁大连 116000 ） 摘要 锂离子电池是电动汽车、无人机及电力电子设备的储能系统组件，对其进行准确的荷 电状态（SOC ）估计对于正确决策、安全控制和维护具有重要意义。针对锂离子电池SOC 估计问 题，本文采用长短期记忆（LSTM ）神经网络搭建锂离子电池SOC 估计模型，将电池电压、电流、 温度作为输入，建立多层LSTM 预测模型，采用Adam 优化算法与Dropout 正则化方法完成LSTM 模型的训练。测试结果表明，在模型训练过程中加入Adam 优化算法与Dropout 正