锂离子电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分。更加精确的SOC估计结果,有利于储能电站的并网和控制。该文提出一种基于Vi-RNN的储能电池SOC估计算法,该算法将储能电池端口电压和电压增量作为输入,荷电...锂离子电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分。更加精确的SOC估计结果,有利于储能电站的并网和控制。该文提出一种基于Vi-RNN的储能电池SOC估计算法,该算法将储能电池端口电压和电压增量作为输入,荷电状态作为输出,RNN算法作为框架,实现在线更高精度的SOC估计。采用储能锂离子电池在0.2C和0.3C充放过程中的测量数据进行仿真分析。结果显示:相较于MEA-BP算法,该方法估计结果的均方误差和相对误差更低,均方误差降低约20%。展开更多
文摘锂离子电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分。更加精确的SOC估计结果,有利于储能电站的并网和控制。该文提出一种基于Vi-RNN的储能电池SOC估计算法,该算法将储能电池端口电压和电压增量作为输入,荷电状态作为输出,RNN算法作为框架,实现在线更高精度的SOC估计。采用储能锂离子电池在0.2C和0.3C充放过程中的测量数据进行仿真分析。结果显示:相较于MEA-BP算法,该方法估计结果的均方误差和相对误差更低,均方误差降低约20%。
