摘要：准确预测锂离子电池的温度是电池管理系统的关键技术。本文针对锂离子电池的动态以及时序依赖特性构建了一个深度神经网络用于锂离子电池的温度预测。该模型可以提取数据的潜在高维特征并适当降维以减少模型复杂度，同时通过长短期记忆单元层捕获温度的长期依赖关系。此外，通过锂离子电池的开路电压、端电压以及电流实时计算产热率，从而为深度神经网络提供额外的物理信息输入。结果表明，该方法相比于目前文献报道的一些方法具有更好的温度预测性能。
文章目录
0 引言
1 电池实验
2 电池温度预测模型
2.1 产热模型
2.2 深度神经网络
2.3 DNN的训练
3 结果和讨论
3.1 温度预测结果
3.2 对比实验
4 结论
