基于 QPSO-LSTM 模型的锂电池剩余容量预测
来源：机械与电子杂志2024年第09期北京时间：
作者：王丽玲;孙晓波;宋树平;张敬;马明叶
单位：1. 中国长江电力股份有限公司,湖北 武汉 430050 ;?
2. 常熟理工学院,江苏 苏州 215500
摘要：为克服锂离子电池容量预测精度低的问题,提出了一种量子粒子群改进长短期记忆神经网络( QPSO-LSTM )的电池容量预测技术。分析了量子粒子群改进( QPSO )和长短期记忆神经网络( LSTM )算法的基本原理,利用 QPSO 算法对 LSTM 模型神经元个数、学习率等主要超参数进行寻优,解决长时序数据预测精度差和预测模型超参数难以确定的问题,构建了 QPSO-LSTM 模型。最后,以 NASA 电池为分析对象,分别采用 QPSO=LSTM 、 PSO=LSTM 、 LSTM 和 GA BP 这 4 种预测模型对 2 种不同型号的电池进行剩余容量预测,预测结果表明, QPSO-LSTM 模型预测精度高,误差在 1.5% 范围内,为电池剩余容量的预测提供了一种有效的方法。
关键词：锂电池;容量预测;量子粒子群算法;LSTM 神经网络
基金资助：长江电力股份有限公司科技项目( 5323020034 )
