基于CSA-BiLSTM的储能电池寿命预测

作者：董志国; 徐全海; 马志刚

来源：中国新技术新产品, 2023, (16): 12-14.

DOI：10.13612/j.cnki.cntp.2023.16.006

• 储能电池
• 健康状态
• 双向长短时记忆神经网络
• 变色龙优化算法

储能电池寿命预测对新能源场站非常重要。为了提高储能锂离子电池SOH的预测水平，该文提出了一种基于变色龙优化且与双向长短时记忆神经网络结合的预测模型（CSA-BiLSTM），采用电池最大放电量定义电池SOH。结果显示，优化前电池SOH的平均绝对误差（MAE）、均方根误差（RMSE）分别为2.501、2.511，优化后电池SOH的MAE、RMSE分别为1.292、1.420，具有较高的预测精度。