双域融合感知网络

荷电估计误差降68%

通过联合时域与频域特征并量化估计不确定性，该网络在宽温域下实现高精度荷电状态估计，并能可靠识别关键估计偏差。

Zhou, Wu · Xu, Baile · Fuguang, Wen · 赵健 · 申富饶

Journal of Energy Storage 2026

参数信息

低温平均绝对误差降低幅度
68 %
高温平均绝对误差降低倍数
16.7
跨域迁移精度保持率
85 %
实机验证平均绝对误差
0.069–0.073
关键估计偏差识别率
94 %

技术优势

低温误差降 68%

通过频谱分解自适应聚焦电化学信息丰富的频段，在-20°C 恶劣工况下 MAE 降低高达 68%。

高温误差降 16.7 倍

时频域融合架构在高温下仍能稳定提取动态特征，将 MAE 降低至原有方法的 1/16.7，显著提升高温估计精度。

跨体系迁移精度超 85%

跨电池化学体系和运行工况迁移后，模型仍保持超过 85% 的精度，展现出良好的泛化能力，可减少重新标定成本。

能识别 94% 关键偏差

基于贝叶斯证据深度学习的不确定性估计，可在实机运行中正确识别 94% 的关键估计偏差，为安全预警提供可靠依据。

应用场景