• 《工程索引》(EI)刊源期刊
  • 综合性科学技术类中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于CEEMDAN-LSTM组合的锂离子电池寿命预测方法

史永胜 施梦琢 丁恩松 洪元涛 欧阳

史永胜, 施梦琢, 丁恩松, 洪元涛, 欧阳. 基于CEEMDAN-LSTM组合的锂离子电池寿命预测方法[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.06.30.007
引用本文: 史永胜, 施梦琢, 丁恩松, 洪元涛, 欧阳. 基于CEEMDAN-LSTM组合的锂离子电池寿命预测方法[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.06.30.007
The Combined Prediction Method Of Lithium-ion Battery Life Based on CEEMDAN-LSTM[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.06.30.007
Citation: The Combined Prediction Method Of Lithium-ion Battery Life Based on CEEMDAN-LSTM[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.06.30.007

基于CEEMDAN-LSTM组合的锂离子电池寿命预测方法

doi: 10.13374/j.issn2095-9389.2020.06.30.007
详细信息
  • 中图分类号: TM912

The Combined Prediction Method Of Lithium-ion Battery Life Based on CEEMDAN-LSTM

  • 摘要: 锂离子电池进行准确的寿命预测在电池健康管理中具有重要意义。针对目前锂离子电池寿命预测方法预测结果不准确的问题,文中在单一LSTM预测模型的基础上,采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将容量分为主退化趋势和若干局部退化趋势,然后使用长短期记忆神经网络(LSTMNN)算法分别对所分解的若干退化数据进行容量预测,最后将若干容量预测结果进行叠加组合后得到锂离子电池的寿命预测结果。验证结果表明,所提出的CEEMDAN-LSTM锂离子电池组合预测模型较之EMD-LSTM预测模型平均预测精度提高了4.86%。
  • 加载中
计量
  • 文章访问数:  688
  • HTML全文浏览量:  69
  • 被引次数: 0
出版历程
  • 网络出版日期:  2020-09-24

目录

    /

    返回文章
    返回