基于LSTM模型的锂电池容量预测  

作　　者：钟炜 

机构地区：[1]同济大学汽车学院,上海201804

出　　处：《汽车与新动力》2025年第1期6-10,共5页Automobile And New Powertrain

摘　　要：随着新能源汽车的发展,锂电池作为主要能源备受关注,但其性能衰减和安全隐患仍需要重视。为了精准预测锂电池的容量状态,提出利用主成分分析(PCA)法,以长短期记忆网络(LSTM)模型为基础进行锂电池容量预测。首先,采用美国国家航空航天局(NASA)公开的电池数据集,利用PCA法对锂电池运行特征进行降维处理,提取其最主要的信息特征;然后,使用LSTM模型对电池的容量变化趋势进行预测,并有效捕捉时间序列数据中的长短期依赖关系。结果表明:该方法在电池健康状态预测方面表现出色,不仅可以实现较高的预测精度,还具备较低的计算复杂度和较快的响应速度,适合电动汽车锂电池系统的在线评估。

关 键 词：锂电池 容量预测 主成分分析(PCA) 长短期记忆网络(LSTM) 

分 类 号：TM912[电气工程—电力电子与电力传动] TP183[自动化与计算机技术—控制理论与控制工程] U469.72[自动化与计算机技术—控制科学与工程]