融合EKF准确率高
一种利用核主成分分析对多特征进行降维、进而与扩展卡尔曼滤波结果融合的SOC估计网络，在不同工况下实现低于0.44%的均方根误差。
万雄波 · Ziwen, Chen · 张传科 · 胡文凯 · 吴涛 · Zhang, Weilong
IEEE Transactions on Instrumentation and Measurement 2025
通过核主成分分析对MSTEN的输入特征进行降维，并依据降维结果设计融合策略，避免了直接基于多特征设计融合策略带来的复杂度上升。
MSTEN能够在不同时间尺度上挖掘时序信息，从而更全面地捕捉电池动态特性，提升SOC估计精度。
在LG 18650-HG2数据集多种驾驶工况下，所提方法的RMSE低于0.44%，MAE低于0.32%，满足高精度SOC估计需求。