BiGRU-AM共修饰Seq2Seq网络

低温下误差低于0.4%

该网络融合双向门控循环单元与注意力机制，能捕捉完整输入序列的前后信息，大幅提升SOC估计的精度。

Pan, Kuang · 周飞 · Xu, Shuai · Kangqun, Li · Xu, Xiaobin

Energy 2024

参数信息

平均绝对误差

<0.35 %

均方根误差

<0.4 %

最大绝对误差

0.75 %

MAXE降低幅度

4.55 %

MAXE降低幅度

2.59 %

技术优势

精度大幅提升

混合算法在BJDST测试集上MAE小于0.35%，RMSE小于0.4%，满足车载BMS对高精度SOC的要求。

抗噪能力强

H∞滤波器有效抑制神经网络输出的噪声，提升估计稳定性。

无需复杂建模

采用纯数据驱动方式，避免了复杂的电池机理分析过程，简化了模型开发。

应用场景

• 电池管理系统：为BMS提供高精度SOC，防止过充过放，保障安全。
• 锂离子电池状态监测：实时监测电池SOC，评估剩余电量和健康状态。
• 电池SOC估计算法：提供一种高精度、抗噪的SOC估计新方法。