科研之友
微信
新浪微博
Facebook
分享链接
摘要
精确的锂电池容量预测可以有效降低电池失效带来的风险与损失。基于神经网络的时间序列预测模型是电池容量预测领域中十分常见的方法。但是，过去的模型预测大多只考虑了未来的目标点，而没有考虑目标点附近信息对预测目标的辅助作用。提出一种基于注意力机制和多任务LSTM的锂电池容量预测方法(MT-LSTM)，实现未来不同时刻信息的互补，提高预测的准确性，其中使用硬参数共享方法建立多个任务之间的联系，使用卷积神经网络提取不同抽象水平的特征。通过注意力机制与LSTM模型的结合，有效地提高电池容量预测精度。将所提出的MT-LSTM模型与传统神经网络进行对比，试验结果表明所提模型有更高的预测精度。此外为多任务学习与注意力机制设计了对比试验，验证了这两种方法对电车容量预测精度的积极影响。
- 单位
