江苏龙网

  1. 首页 > 资讯 > 资讯 > >

估算|锂离子电池荷电状态估算的新方法，估算结果快速精确( 二 )


该方法在Huber-M估计鲁棒卡尔曼滤波方法的基础上，将安时积分法所使用的库仑计量公式作为状态方程，并将基于GRU-RNN的锂离子电池SOC估算结果作为观测量，从而实现了锂离子电池SOC的估算，整体研究思路如图1所示。
估算|锂离子电池荷电状态估算的新方法，估算结果快速精确
文章图片
图1 研究思路
该方法具有以下优点：
①GRU-RNN能够考虑时序因素对于锂离子电池SOC的影响，具有较高的估算精度，同时能为HKF的状态方程提供准确的初始值，使滤波算法更快地收敛；②HKF能够提高GRU-RNN的鲁棒性，降低电压、电流、温度传感器测量误差和偶发性测量异常值以及SOC初始误差对锂离子电池SOC估算精度影响，进一步提升模型估算精度；③库仑计量公式是对锂离子电池SOC随时间变化过程的描述，采用库仑计量公式作为锂离子电池状态方程，即使GRU-RNN的估算结果出现较大误差，依然能够保证最终锂离子电池SOC估算结果的精确性。
估算|锂离子电池荷电状态估算的新方法，估算结果快速精确
文章图片
【 估算|锂离子电池荷电状态估算的新方法，估算结果快速精确】图2 基于融合方法的锂离子电池SOC估算模型
研究人员在六种锂离子电池运行工况和三种异常工况下验证了模型的精确性和鲁棒性。实验结果表明，该模型在三个温度下Panasonic 18650PF锂离子电池测试数据集和锂离子电池大倍率脉冲放电测试数据集上的最大MAE分别为0.56%和1.78%，最大MAX分别为2.39%和4.12%，最大RMSE分别为0.7%和2.01%。
该模型将GRU-RNN和HKF进行融合，一方面能够通过HKF强化GRU-RNN的鲁棒性，降低电压、电流、温度传感器噪声和异常值以及SOC初始误差对锂离子电池SOC估算精度的影响；另一方面，GRU-RNN能够为HKF提供准确的初始值，使滤波算法更快地收敛。
另外，由于HKF的状态方程采用库仑计量公式，即使GRU-RNN出现较大误差，依然能够保证锂离子电池SOC估算精度。下一步将针对该算法的实用性进行研究并在装置中进行实际应用。此外，还可以在当前增加算法鲁棒性的基础上，进一步考虑算法自适应能力的提升，研究一种自适应且鲁棒的SOC估算方法，从而使算法对不同电池对象和使用工况的变化具有自适应能力。
以上研究成果发表在2020年第9期《电工技术学报》，论文标题为“基于门控循环单元神经网络和Huber-M估计鲁棒卡尔曼滤波融合方法的锂离子电池荷电状态估算方法”，作者为李超然、肖飞、樊亚翔、杨国润、唐欣。


推荐阅读


上一篇： 扑闪|开心一笑：班花约我去操场散步，她扑闪着大眼问我：你有女朋友吗

下一篇： 安邦治国|中国文武双全的五个皇帝, 上马百战百胜, 下马安邦治国!