基于LSTM-AEKF联合算法的锂电池SOC估计研究

作     者：孙冠宇 沈金荣 SUN Guanyu;SHEN Jinrong

作者机构：河海大学信息科学与工程学院江苏常州213000 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2024年第6期

页      面：231-235,240页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：江苏省重点研发计划项目(BE2022100) 

主　　题：锂电池 荷电状态 最小二乘法 自适应扩展卡尔曼算法 长短期记忆网络 均方根误差 

摘      要：针对如何准确且精密的估算出锂电池荷电状态(SOC)问题,提出了一种自适应扩展卡尔曼滤波(AEKF)和长短时记忆神经网络(LSTM)相结合算法对锂电池SOC优化估计。采用混合脉冲功率特性(HPPC)测试方法,利用带遗忘因子的递推最小二乘法(FFRLS)对三阶等效电路模型(ECM)等效电路模型进行在线参数辨识,然后根据方程使用LSTM-AEKF算法对电池进行SOC实时估计实验,得出算法对SOC估计误差控制在1%以内。最后由对比实验结果证明:该算法与EKF和LSTM两种算法相比在均方根误差上分别提高1.25%和0.81%,具有更高的准确性和精密度。