摘要
本发明涉及蓄电池容量检测领域,提供了一种蓄电池核容放电的预测方法。该方法首先通过采用传统静态放电测试方法,采样获取蓄电池组的实际放电容量时序数据并对时序数据做预处理;然后构建基于超参数的长短期记忆网络LSTM模型,并采用新型的粒子群优化PSO算法探索所述LSTM算法模型的全局最优超参数,获得优化后的LSTM算法模型;最后采用获得的训练集数据和测试集数据,对优化后的LSTM算法模型进行网络训练和数据预测,并验证蓄电池核容放电预测模型的预测效果。本发明经过验证,可以通过短时间的蓄电池放电数据较为精确地预测其完整的放电数据,解决了传统蓄电池核容放电检测耗时,耗力的问题。
技术关键词
蓄电池核容
放电测试方法
粒子群优化算法
训练集数据
长短期记忆网络
LSTM模型
算法模型
LSTM算法
数据采集模块
时序
模型超参数
位置更新
预测装置
预测误差