NSSR-LSTM电池状态估计

SOC误差＜2.5%

面向成组不一致性，首次将非线性状态空间重构与LSTM结合，实现电池组SOC和SOH的同步精准估计。

Hu, Panpan · Tang W.F. · Li C.H. · Mak, S. L. · Li, Chunyin · Lee C.C.

Energies 2023

参数信息

SOC估计误差

2.5 %

SOH估计误差

1.3 %

技术优势

误差更小

SOC和SOH估计误差均小于传统Ah积分法和纯LSTM算法，提升状态估计可靠性。

适用电池组

针对成组不一致性问题设计，可处理串并联电池组的状态估计。

应用场景

• 电动汽车电池管理：为电动汽车BMS提供精准的电池组SOC/SOH估计，替代传统安时积分法，提升安全性和效率。
• 电池组状态监测：实现在线监测的电池组状态，克服单体不一致带来的估计偏差，支持全生命周期管理。
• 智能电池诊断：利用深度学习实现电池状态智能诊断，提高故障预测和健康管理能力。