摘要
本发明涉及储能锂离子电池SOC估算技术领域,具体涉及全寿命周期锂离子电池SOC估算方法、系统、终端及介质,方法包括以下步骤:将锂离子电池的状态参数处理为输入数据;将输入数据输入到一维卷积层,提取状态参数中与锂离子电池荷电状态和健康状态有关的深层特征;将池化层的输出作为长短期记忆网络的输入;将长短期记忆网络的输出结果输入到注意力模块,注意力模块通过全连接层输出锂离子电池SOC的估算结果。本发明建立了Attention‑LSTM深度学习模型,在全寿命周期建立输入数据与SOC的精确关联,增强模型捕捉输入数据中不同特征和关系的能力和长序列依赖提取能力,输出准确度较高的锂离子电池SOC估算值。
技术关键词
长短期记忆网络
SOC估算方法
注意力
充放电循环次数
矩阵
寿命
数据
SOC估算系统
周期
SOC估算技术
储能锂离子电池
卷积模块
序列
深度学习模型
处理器
电流
电压