CNN-BiGRU荷电状态估计器

多工况下误差<1.9%

将注意力机制与多任务学习引入CNN-BiGRU，联合估计电池荷电与能量状态，误差显著低于传统滤波方法。

Fan, Wu · 王顺利 · Liu, Donglei · 曹文 · Fernandez, Carlos · Qi, Huang

Journal of Energy Storage 2024

参数信息

SOC最大误差（HPPC）
0.01432
SOE最大误差（HPPC）
0.01417
SOC最大误差（BBDST）
0.01827
SOE最大误差（BBDST）
0.01883

技术优势

误差低于1.9%

在HPPC和BBDST工况下，SOC和SOE估计误差分别低于0.019，得益于注意力机制提取关键特征和多任务学习利用任务间相关性。

联合估计SOC和SOE

多任务学习机制同时输出SOC和SOE，利用任务间相关性提高估计精度，避免独立估计带来的不一致。

抗噪平滑输出

在扩展卡尔曼滤波中加入平方根和反向平滑，对神经网络输出进行滤波去噪，提高估计稳定性。

应用场景