基于深度前向神经网络的锂离子电池荷电状态估计
信号处理
2020-09-22 v1 机器学习
系统与控制
系统与控制
摘要
本文提出分别具有两个和四个隐藏层的两个深度前向网络，采用 K 折交叉验证方法对给定温度下松下 18650PF 锂离子（Li-ion）电池的驱动循环进行建模，以估计该电池的荷电状态（SOC）。驱动循环功率曲线针对配备 35kWh 电池包的电动卡车按单个 18650PF 电芯缩放计算。我们提出了一种机器学习工作流，能够在开发用于 SOC 估计的深度学习模型时抑制过拟合。本工作的贡献在于提出一种构建锂离子电池深度前向网络及其性能评估的方法论，并遵循机器学习的最佳实践。
引用
@article{arxiv.2009.09543,
title = {State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks},
author = {Alexandre Barbosa de Lima and Maurício B. C. Salles and José Roberto Cardoso},
journal= {arXiv preprint arXiv:2009.09543},
year = {2020}
}