摘要
精确估计锂离子电池荷电状态(SOC)是电池管理系统的关键技术之一,直接影响着动力锂电池组的使用效率和安全性.锂离子电池特性复杂,其SOC无法直接测量,且受电流、温度等因素的影响较大.为此,提出了一种基于门控循环单元(GRU)神经网络与无迹卡尔曼滤波(UKF)相结合的组合算法.该方法利用GRU网络获得可测量的电流、电压、温度与锂电池SOC之间的非线性关系,并以此作为UKF的观测方程.然后,通过UKF估计SOC值以提高算法的估计精度.实验结果表明,在不同温度以及不同的工况下,本文所提方法的均方根误差(RMSE)和平均绝对误差(MAE)分别小于0.51％和0.46％,均能提高SOC的估计精度.
基金项目
国家自然科学基金(72071183)
山西省回国留学人员科研项目(2020-114)
高能电池材料与器件山西省重点实验室开放基金(2022HPBMD01002)
维普
万方数据