CN115848176B 基于a-lstm算法的电动汽车充电预警方法及系统 （中国电力科学研究院有限公司）_第1页
CN115848176B 基于a-lstm算法的电动汽车充电预警方法及系统 （中国电力科学研究院有限公司）_第2页
CN115848176B 基于a-lstm算法的电动汽车充电预警方法及系统 （中国电力科学研究院有限公司）_第3页
CN115848176B 基于a-lstm算法的电动汽车充电预警方法及系统 （中国电力科学研究院有限公司）_第4页
CN115848176B 基于a-lstm算法的电动汽车充电预警方法及系统 （中国电力科学研究院有限公司）_第5页
已阅读5页，还剩24页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于A-LSTM算法的电动汽车充电预警方法本发明公开了基于A_LSTM算法的电动汽车充电预警方法及系统，属于安全预警的技术领合相关国家充电安全规范与电动汽车历史充电数据预测模型与预警阈值应用到电动汽车实时2S400：针对所述数据拟合模型的输出采取误差相关S500：建立动态阈值模型确定并优化预警阈值，体电池最高/最低/平均电压、整车车载电池组充电允许最高/最低电压/电流/温度的参数3Ix所述S500建立动态阈值模型的具体的计算e4i的值用以更新阈值。9.一种利用权利要求1_8任一项所述的基于A_LSTM算法的电动汽车充电预警方法的基池组单体电池最高电压与单体电池最高温度分别作为模型的输出构建基于LSTM算法的数处理模块，与所述构建模块连接，用于针对所述数据拟合模型的预警模块，与所述处理模块以及所述更新模块连接，用于构建电56[0005]有鉴于此，本发明提供了一种基于A_LSTM算法的电动汽[0011]S400：针对LSTM网络的输出采取误差相关线性分析法进行自适应优化，构建A_7[0021]优选的，步骤S300中的涉及的A-LSTM(LongShortTermMem其具体计算公式为：长短时记忆递归神经网络(LongShortTermMemory,LSTM)是在循环神经网络(recurrentneuralnetwork，RNN)的基础上为了解决梯度消失和爆炸等问题而8[0051]式中e是原始误差数据；ej是经过滤波的数据；ui是第i个时序数据9[0076]参见附图1所示，本发明实施例公开了一种基于A_LSTM算法的电动汽车充电预警体电池最高电压与单体电池最高温度分别作为模型的输出构建基于LSTM算法的数据拟合[0086]具体的，参见附图2所示，S300构建的基于LSTM算法的数据拟合深度学习网络模算公式为：长短时记忆递归神经网络(LongShortTermMemory,LSTM)是在循环神经网络(recurrentneuralnetwork，RNN)的基础上为了解决梯度消失和爆炸等问题而设计的一[0107]S400：针对LSTM网络的输出采取误差相关线性分析法进行自适应优化，构建A_[0119]式中e是原始误差数据；ej是经过滤波的数据；ui是第i个时序数据电时间等数据以判断车辆的充电初始状态，依车辆信息输入充电预测数据与充电预警阈池组单体电池最高电压与单体电池最高温度分别作为模型的输出构建基于LSTM算法的数充电历史数据进行算法建模，实现对电动汽车正常充电状态的拟合以预测车辆的充电数[0138]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论