基于DKF-Bi-LSTM的阀控式铅酸电池SOC在线估计方法

作     者：李练兵 刘艳杰 王海良 李思佳 李秉宇 杜旭浩 LI Lianbing;LIU Yanjie;WANG Hailiang;LI Sijia;LI Bingyu;DU Xuhao

作者机构：省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)天津300130 河北工业大学人工智能与数据科学学院天津300130 新兴重工集团有限公司北京100070 国网河北省电力有限公司电力科学研究院河北石家庄050021 

出 版 物：《中国测试》 (China Measurement & Test)

年 卷 期：2024年第50卷第2期

页      面：28-37页

学科分类：0808[工学-电气工程] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 

基　　金：国家重点研发计划项目(2018YFC0810000) 

主　　题：阀控式铅酸电池 荷电状态 等效电路模型 卡尔曼滤波 扩展卡尔曼滤波 双向长短时记忆神经网络 

摘      要：精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通过卡尔曼滤波算法对模型参数进行动态跟踪,进而基于扩展卡尔曼滤波算法在线估算电池SOC值。将在线估算结果、电流、电压、温度值作为Bi-LSTM神经网络的输入,电池SOC预测值作为网络输出,实现对电池SOC的在线估计。经测试发现,与DKF和Bi-LSTM算法相比,DKF-Bi-LSTM算法的SOC预测均方根误差更小,其SOC在线估计方法具有更高的准确性。