基于LSTM+UKF融合的动力锂电池SOC估算方法

作者：李泓沛; 刘桂雄; 邓威

来源：中国测试, 2022, 48(08): 22-28.

• 动力电池
• 荷电状态
• 长短期记忆
• 无迹卡尔曼滤波
• 算法融合

为提高动力电池荷电状态(state of charge, 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。

• 单位
  华南理工大学