基于混合模型ConvLSTM-NARX的锂离子电池温度预测

本发明提出一种基于混合模型ConvLSTM‑NARX的锂离子电池温度预测方法，该模型以经典的卷积神经网络和长短期记忆神经网络为基础，结合了具有外生输入的非线性自回归网络的延迟机制与反馈循环机制，以加强模型对历史数据的学习能力，提升模型的整体性能。为了验证其精确性和泛化性，本发明使用公共数据集对该模型进行了两个实验，并将其与基准模型LSTM和CNN‑LSTM进行对比。通过实验表明，该混合模型在静态长期的温度数据集中误差为0.1℃，模型拟合度达到94.57%；在动态驾驶的温度数据集中误差低于0.13，模型拟合度均在98%以上。综上所述，本发明所提出的混合模型具有良好的精确性和泛化性。