基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法
授权
摘要
基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法，通过在线监测装置每日测量得到蓄电池的浮充电压、均充电流、均充时长、放电截止电压、放电时长输入数据，蓄电池容量通过每两个月一次的核对性均衡充电测得。以n天为时间跨度，建立n维的样本输入x(ti)。以蓄电池容量数据序列h(ti)作为输出，x(ti)作为输入，建立一个包含多个LSTM神经网络单元的神经网络模型。初始状态下，通过随机生成0到1之间的小数，为网络中的权重矩阵W和偏置矩阵b进行赋值。引入Dropout算法改进LSTM神经网络模型，对其训练过程进行改进。本发明可以减少因数据样本不足导致的预测精度过低和欠拟合问题，对变电站蓄电池健康状态进行准确预测，提高蓄电池利用率。
基本信息
专利标题 ：
基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111736084A
申请号 ：
CN202010605779.5
公开（公告）日 ：
2020-10-02
申请日 ：
2020-06-29
授权号 ：
CN111736084B
授权日 ：
2022-05-20
发明人 ：
舒征宇黄志鹏许布哲沈佶源胡尧方曼琴温馨蕊徐西睿陈明欣
申请人 ：
三峡大学
申请人地址 ：
湖北省宜昌市西陵区大学路8号
代理机构 ：
宜昌市三峡专利事务所
代理人 ：
吴思高
优先权 ：
CN202010605779.5
主分类号 ：
G01R31/392
IPC分类号 ：
G01R31/392 G01R31/379 G01R31/367 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/392
••确定电池老化或退化,例如健康状态
法律状态
2022-05-20 ：
授权
2020-10-30 ：
实质审查的生效
IPC(主分类) : G01R 31/392
申请日 : 20200629
申请日 : 20200629
2020-10-02 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
