典型文献
基于双向GRU和H∞滤波器的SOC复合估算
文献摘要：
锂离子电池荷电状态(SOC)估算作为电池管理系统(BMS)的重要功能,是合理利用EV车辆电池组能量的前提.现有估算方法中,基于模型驱动法过程繁琐、计算量大;基于数据驱动法对数据要求高,估计精度差.针对以上问题,提出了基于双向GRU(BidiGRU)神经网络结合H∞滤波器的复合估算方法来估算锂离子电池的SOC.用不同温度下北京应力循环工况(BJDST)来训练BidiGRU神经网络模型,再使用联邦测试程序驾驶时间表(US06)来对模型进行测试.测试结果的均方根误差(RMSE)最小可达到2.05％,平均绝对误差(MAE)最小可达到1.79％.用H∞滤波器优化后的RMSE和MAE均可降低到0.17％以下,最低可达到0.11％.结果表明该方法可在不同温度和不同工况下对锂离子电池SOC做出实时估计,并能够达到较高的精度.
文献关键词：
锂离子电池;SOC估计;双向GRU神经网络;H∞滤波
中图分类号：
作者姓名：
桂阳;周飞;杨文;陈星;李康群
作者机构：
南京航空航天大学直升机传动技术国家级重点实验室,江苏南京210016
文献出处：
引用格式：
[1]桂阳;周飞;杨文;陈星;李康群-.基于双向GRU和H∞滤波器的SOC复合估算)[J].电源技术,2022(04):384-389
A类：
复合估算,BidiGRU,BJDST
B类：
滤波器,SOC,锂离子电池,电池荷电状态,算作,电池管理系统,BMS,重要功能,EV,电池组,估算方法,基于模型,模型驱动,计算量,估计精度,下北,循环工况,联邦,测试程序,驾驶时间,时间表,US06,RMSE,小可,平均绝对误差,MAE,不同工况,实时估计
AB值：
0.304704
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。
