科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于双向门控循环神经网络(Bidirectional Gate Recurrent Unit, BiGRU)和粒子滤波(Particle Filter, PF)相结合的方法，对电池的荷电状态(State of Charge, SOC)进行估计。利用BiGRU网络，根据可测量的电压(V)、电流(I)、温度(T)等信息学习锂电池内部的动态特性。由于电池的平台期特性导致BiGRU网络在捕捉测量数据与电池内部特性时会有一些波动，因此采用PF对BiGRU网络的输出进行滤波，让最终的估计更加稳定。对所提出的方法在FUDS和US06工况下进行验证，实验结果显示BiGRU能很好地捕捉到电池的动态特性，从而避免了繁杂的建模过程，结合PF,进一步提升了模型估计精度和鲁棒性。
-
单位攀枝花学院; 西南交通大学
