锂电SOC闭环估计

误差低于1%

这种闭环型SOC估计器把深度学习模型的预估值作为卡尔曼滤波的观测值，比开环方法更准确、更抗粗差；换工况、换温度也不怕。

Wei, Qi · 秦文虎 · 云中华

Energy 2024

参数信息

均方根误差

<1 %

平均绝对误差

<1 %

最大绝对误差

<2.5 %

技术优势

抗粗差

在卡尔曼滤波中引入鲁棒因子，抑制异常观测值对状态估计的影响。

不挑工况

结合TCN、GRU和多头自注意力，模型能捕捉长时间依赖和关键特征，在不同工况和温度下保持高精度。

应用场景

• 电池管理系统：直接嵌入BMS，实时提供高精度SOC，防止过充过放。
• 电池状态监测：在工况和温度变化下仍保持低误差，适合长期状态追踪。
• 无人机续航管理：抗异常值能力保障飞行中SOC估计稳定，避免误判导致坠机。