融合自注意力机制与门控循环单元网络的宽工况锂离子电池SOC估计

摘要：

准确估计宽工况条件下的锂离子电池荷电状态(SOC)对于电动汽车的运行安全性和可靠性至关重要,是电池管理系统最重要的任务之一.本工作充分利用门控循环单元(GRU)神经网络短时处理能力与注意力机制(SAM)长时序特征提取能力,提出了一种融合SAM与GRU的神经网络模型学习锂离子电池可测参数(电压、电流)与其SOC的非线性映射关系,实现了高精度的SOC估计,从而解决锂离子电池SOC的长序列相关特征难以有效表征问题.通过北京公交动态应力测试(BBDST)数据的验证表明,与传统GRU网络相比,本文提出的SAM-GRU神经网络模型对于不同放电倍率、环境温度以及放电倍率-环境温度混合工况下工作的锂离子电池均取得了更准确的SOC估计,估计精度提升分别不小于26%、25%和11%.

关键词：锂离子电池、荷电状态、自注意力机制、门控循环单元神经网络

所属期刊栏目：12

分类号：TM912

资助基金：国家自然科学基金52075028

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2229-2237