基于LSTM和注意力机制的锂电池荷电状况预测

为提升锂电池的荷电状况预测精度,文章提出一种改进的注意力LSTM算法。先将美国航空航天局提供的电池数据分成测试集与训练集;再使用一维卷积神经网络算法提取训练集的特征信息,然后通过LSTM网络保留特征数据的历史信息;为减少LSTM算法的计算量引入特殊注意力机制,再使用Softmax函数输出预测的荷电状况;最后使用测试集验证训练好的算法。实验成果表明,提升的注意力LSTM方法与无损卡尔曼滤波、LSTM方法相比预测效果更佳。

纯电动汽车分布式电池管理系统的设计

为了使应用于某纯电动汽车的锂电池组安全、高效运行,采用模块化思想设计了与之匹配的分布式电池管理系统。该系统由1个中央主控模块和4个数据采集模块组成,并通过CAN总线连接,实现了电池组电压及温度等信息监控、数据间的实时高效通信、故障报警等功能。采用修正安时计量法对电池荷电状况(SOC)进行估算,提高了估算精度。试验表明,所设计系统能够有效地对电池组进行监控和管理。