基于LSTM+UKF融合的动力锂电池SOC估算方法
为提高动力电池荷电状态(stateofcharge,SOC)估算准确性、稳定性,该文提出一种基于LSTM+UKF(long short term memory+unscented Kalman filter)融合的动力锂电池SOC估算方法.构建动力锂电池SOC估算窗口LSTM结构,通过动力电池电流、电压、温度并结合历史数据实时预测动力电池SOC训练网络;设计动力锂电池SOC估算UKF算法,提出融合策略.实验表明,研究窗口LSTM+UKF融合动力锂电池SOC估算方法RMSE、MAX、MAE分别为1.13%、1.74%、0.39%,相较于加窗LSTM网络提升了动力锂电池SOC估算的准确性、稳定性.
动力电池、荷电状态、长短期记忆、无迹卡尔曼滤波、算法融合
48
TH89
广东省重点领域研发计划项目2019B090908003
2022-09-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
22-28