基于门控循环单元编解码器的锂离子电池荷电状态估计

作     者：刘康 康龙云 岳睿 谢缔 LIU Kang;KANG Longyun;YUE Rui;XIE Di

作者机构：华南理工大学电力学院广东省广州市510640 广东省绿色能源技术重点实验室广东省广州市510640 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2024年第48卷第5期

页      面：2161-2169页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：广东省基础与应用基础研究基金区域联合基金项目(地区培育项目)(2022A1515140009) 

主　　题：锂离子电池 荷电状态估计 门控循环单元 编解码器 

摘      要：锂离子电池荷电状态(state of charge,SOC)估计技术是电池管理系统(battery management system,BMS)里的关键性技术之一,其精度要求随着锂离子电池应用领域的不断拓宽而越来越高。由此,该文提出一种基于门控循环单元(gated recurrent unit,GRU)编解码器(encoder decoder,ED)的估计方法;在编解码器框架下,首先利用双向GRU网络对可测量变量序列双向捕获依赖关系并将相关信息编码成语境向量,然后使用单向GRU网络完成对语境向量的解码。相比之前提出的循环神经网络,此类端到端模型可以从输入序列中更完整地学习到序列信息以建立出更精确的非线性SOC估计模型。实验数据验证表明,相较于3种双向循环神经网络,该文提出的门控循环单元编解码器(gated recurrent unit encoderdecoder,GRU-ED)模型在固定环境温度下取得了最佳的SOC估计效果;同时还在变温环境下实现了小误差的SOC估计,得到的平均绝对误差(meanabsoluteerror,MAE)与最大误差(maximum error,MAX)分别为0.92%与4.96%。