双观测扩展卡尔曼滤波融合估计器

SOC估计误差低于1%

物理-数据融合架构，利用GRU与双观测EKF实现跨温度、跨工况鲁棒SOC估计，无需依赖大量训练数据。

李晓宇 · Dichao, Chen · Wei, Xinyu · 刘旭 · Qiu, Zizhen

Journal of Energy Storage 2026

参数信息

荷电状态估计均方根误差

0.83 %

荷电状态估计平均绝对误差

0.64 %

技术优势

估计误差显著降低

在多种温度和驾驶循环测试下，SOC 估计的 RMSE 和 MAE 均低于传统方法。

少依赖训练数据

物理模型提供电热耦合先验，GRU 网络只需提取时序特征，相比纯数据驱动方法降低了对大量训练数据的依赖。

工况适应性强

双观测机制联合端电压和网络预测 SOC 进行更新，在多种温度和驾驶循环下保持稳定估计。

应用场景

• 电池管理系统：提供高精度 SOC，优化电池管理策略与安全控制。
• 电池状态估计：融合物理与数据，实现复杂工况下鲁棒的实时状态估计。
• 储能系统：提升储能系统运行效率与可靠性，避免过充过放。
• 电动汽车：准确预估续航与安全边界，支撑整车能量管理。