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。
Accurate estimation of the state of charge(SOC) of lithium-ion batteries is one of the key technologies in the battery management system, which has a vital impact on the service efficiency and safety of power battery pack. Lithium-ion batteries have complicated characteristics and SOC cannot be directly measured which are greatly affected by the current and temperature. Therefore, combining a gated recurrent unit(GRU) neural network with an unscented Kalman filter(UKF) algorithm is presented. The method uses GRU neural network to obtain the nonlinear relationship between the SOC and measurements, including the current, voltage, temperature. The relationship is used as the observation equation of UKF, and the SOC is estimated by the UKF to improve the accuracy and stability of estimation algorithm. Experimental results show that under different temperatures and different working conditions the root mean square error and the mean absolute error of the SOC estimate are less than 0.51% and 0.46%, respectively, which can improve the accuracy of SOC estimation.
作者
高峰
贾建芳
元淑芳
李孟威
Gao Feng;Jia Jianfang;Yuan Shufang;Li Mengwei(School of Electrical and Control Engineering,North University of China,Taiyuan 030051,China;Shanxi Key Laboratory of High Performance Battery Materials and Devices,North University of China,Taiyuan 030051,China)
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第11期160-169,共10页
Journal of Electronic Measurement and Instrumentation
基金
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)项目资助。
作者简介
高峰,2018年于吉林建筑大学获得学士学位,2022年于中北大学获得硕士学位,现为理工雷科(西安)电子有限公司工程师,主要研究方向为复杂系统的故障预测和健康管理。E-mail:1020781395@qq.com;通信作者:贾建芳,1997年于华北工学院获得学士学位,2002年于中北大学获得硕士学位,2007年于中国科学院自动化所获得博士学位,现为中北大学电气与控制工程学院教授,主要研究方向为故障预测与健康管理以及风机的智能控制。E-mail:jiajianfang@nuc.edu.cn;元淑芳,2019年于山西工程技术学院获得学士学位,2022年于中北大学获得硕士学位,现为陕西航天时代导航设备有限公司工程师,主要研究方向为故障预测与健康管理。E-mail:2539168632@qq.com;李孟威,2019年于山西工程技术学院获得学士学位,2022年于中北大学获得硕士学位,现为大连理工大学博士研究生,主要研究方向为复杂系统的故障预测与健康管理。E-mail:1240459451@qq.com。
