分层多态联合估计网络

超声增强，精度近三倍

利用超声原位信息显著提升LiFePO4电池内部状态可观测性，并通过分层注意力机制捕捉多态耦合，实现核心温度、荷电状态与剩余放电时间的高精度联合估计。

Maoshu, Xu · Shen, Yi · Qionglin, Shi · Zhuohao, Li · 李浩秒 · Zhou Min · 王玮 · Wang, Kangli · 蒋凯

eTransportation 2025

参数信息

核心温度估计RMSE

0.198 °C

SoC估计RMSE

1.045 %

剩余放电时间估计RMSE

208.5 s

技术优势

可观性大幅提升

超声ToF与频谱特征与电池状态的相关系数显著高于传统外部特征，为内部状态估计提供了更直接的信息。

精度提升近三倍

与传统外部特征和独立估计器相比，三种状态的RMSE分别降低59%、52%和61%。

应用场景

• 电池管理系统：为BMS提供高精度多状态联合估计，取代传统单状态估计器。
• 储能系统监控：利用超声特征提高储能电池内部状态可观性，实现精准监控。
• 设备健康管理：联合估计核心温度、SoC和RDT，为设备健康管理提供关键状态信息。