基于串行LSTM-UKF融合的锂离子电池新型SOC估算方法
李瑶,王荣,金毅,孙振新,刘辉,刘宇,刘彦辉,徐佳欢,陶烨,江久春
+ 2位作者
《Energies》:A Novel SOC Estimation Method for Lithium-Ion Batteries Based on Serial LSTM-UKF Fusion
Yao Li,
Rong Wang,
Yi Jin,
Zhenxin Sun,
Hui Liu,
Yu Liu,
Yanhui Liu,
Jiahuan Xu,
Ye Tao and
Jiuchun Jiang
+ 2 authors
【字体:
大
中
小
】
时间:2026年03月16日
来源:Energies 3.9
摘要
精确估算锂离子电池的充电状态(SOC)是电池管理系统的重要功能之一,对于确保电动汽车的安全运行以及优化能源利用具有重大意义。然而,由于电池内部存在强烈的非线性、时变特性以及复杂工作环境带来的干扰,高精度的SOC估算面临着巨大挑战。为了解决单一数据驱动方法缺乏物理约束、单一模型驱动方法难以处理复杂非线性问题的缺陷,本文提出了一种串联型LSTM-UKF融合估算方法。该方法首先利用长短期记忆网络从历史电压和电流数据中学习电池的动态特性,捕捉SOC变化的长期依赖关系,从而得出初始预测值。随后,以该预测值作为观测输入,结合基于二阶RC等效电路模型的无迹卡尔曼滤波器进行状态最优修正,有效降低了模型不确定性和测量噪声。在恒流放电和FUDS等多种动态条件下的仿真验证表明,与单独使用LSTM或UKF算法相比,所提出的融合方法在估算精度、收敛速度和稳定性方面都具有显著优势。其均方根误差可降至0.0031,并且能在不同工作条件下保持稳定的估算性能。本研究为复杂工作条件下锂离子电池的高精度SOC估算提供了一种有效的数据-模型融合解决方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号