基于元素注意门控复用的锂离子电池荷电状态估计

摘要

为了提高荷电状态(state-of-charge, SOC)估计精度，提出一种基于元素注意门的电池荷电状态递归神经网络，为输入向量的每个特征元素分配不同的重要程度，验证并分析不同神经元数量和隐藏层层数下的测试结果，利用确定的最优参数设置进行不同温度下的电池SOC估算，在不同电池特征参数下对SOC估计任务的重要性进行可视化分析。相同数据集的SOC估计精度表明，提出的网络模型在SOC估计任务中精度有明显提升。

关键词

锂离子电池 / 荷电状态 / 门控循环 / 神经网络 / 元素注意门