基于LSTM-SVR的锂电池健康状态预测研究

摘要

锂电池健康状态(SOH)是表征电池衰退的重要指标,也是新能源汽车运行寿命的一个重要指标.为了提高锂电池健康状态SOH的预测精度,采用深度学习LSTM与SVR结合的算法来对锂电池健康状态进行预测,并利用网格搜索(GS)搜索SVR超参数.首先,使用平均放电电压、平均放电温度、容量作为健康因子(HI);其次,利用以往锂电池数据集对算法进行验证.实验结果表明:使用LSTM-SVR算法相比于LSTM算法在RMSE指标和拟合程度上更优,其均方根误差在0.6以内,平均绝对百分误差在0.6％以内.