典型文献
基于GRU-UKF的锂离子电池SOC估计方法研究
文献摘要：
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.
文献关键词：
锂离子电池;荷电状态;GRU;UKF
中图分类号：
作者姓名：
高峰;贾建芳;元淑芳;李孟威
作者机构：
中北大学电气控制工程学院 太原 030051;高能电池材料与器件山西省重点实验室 太原 030051
文献出处：
引用格式：
[1]高峰;贾建芳;元淑芳;李孟威-.基于GRU-UKF的锂离子电池SOC估计方法研究)[J].电子测量与仪器学报,2022(11):160-169
A类：
B类：
GRU,UKF,锂离子电池,SOC,估计方法,精确估计,电池荷电状态,电池管理系统,动力锂电池,锂电池组,使用效率,直接测量,门控循环单元,无迹卡尔曼滤波,组合算法,法利,可测量,非线性关系,观测方程,估计精度,RMSE,平均绝对误差,MAE
AB值：
0.285367
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
