申请/专利权人：重庆邮电大学

申请日：2023-12-14

公开（公告）日：2024-03-22

公开（公告）号：CN117741443A

主分类号：G01R31/367

分类号：G01R31/367

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种基于A‑CNN‑LSTM的储能锂电池SOC估计方法，属于电力技术领域。本发明提出将注意机制与CNN–LSTM网络相结合的A–CNN–LSTM模型。利用CNN层可以快速提取输入数据的空间特征，利用LSTM提取时间序列数据中的长短期依赖关系。引入注意力机制，自适应地分配每次输入的特征权值。在估计过程中自动放大关键的输入特征，加快模型的收敛速度，实现针对BESS的高精度、高鲁棒性SOC实时估计。开展集装箱式储能系统数据采集、模型搭建、实验验证研究，证明本发明所提的A–CNN–LSTM模型优越性。

主权项：1.基于A-CNN-LSTM的储能锂电池SOC估计方法，其特征在于：该方法包括以下步骤：S1：对集装箱式储能系统锂离子电池运行数据的采集阶段；利用传感器采集系统采集电池运行电压、电流、功率的电气量，利用温度监测系统实时记录每个时刻的温度；S2：通过划分数据集为训练集和测试集，并进行归一化处理，将预处理后的电池的变量，包括电压、电流、温度和功率数据输入网络训练；通过将注意力机制引入CNN–LSTM搭建SOC估计模型；S3：为分析网络层层数对估计结果的影响，调节网络参数优化网络权重与偏差，调整网络超参数和选择损失函数最小值时的各网络层设置，完成BESS的SOC实时估计，并与其他模型进行对比实验分析。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于A-CNN-LSTM的储能锂电池SOC估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD