文献类型：期刊文章

作　　者：李超然[1] 肖飞[1] 樊亚翔[1] 杨国润[1] 唐欣[1]

Li Chaoran;Xiao Fei;Fan Yaxiang;Yang Guorun;Tang Xin(National Key Laboratory of Science and Technology on Vessel Integrated Power System Naval University of Engineering,Wuhan 430033 China)

机构地区：[1]舰船综合电力技术国防科技重点实验室(海军工程大学),武汉430033

出　　处：《电工技术学报》

基　　金：国防科技创新特区资助项目。

年　　份：2020

卷　　号：35

期　　号：9

起止页码：2051-2062

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：锂离子电池作为重要的储能元件,其荷电状态(SOC)直接影响所在系统的运行状态。为了实现对锂离子电池SOC的精确估算,提出一种基于门控循环单元神经网络(GRU-RNN)和Huber-M估计鲁棒卡尔曼滤波(HKF)融合方法的锂离子电池SOC估算模型。该方法利用Huber-M估计改进卡尔曼滤波器的鲁棒性,并将基于GRU-RNN所估算的锂离子电池SOC值作为改进卡尔曼滤波器的观测量。在两组锂离子电池数据集上分别进行锂离子电池SOC估算实验。实验结果表明,基于GRU-RNN和HKF融合方法的锂离子电池SOC估算模型不仅能够准确地实现锂离子电池SOC估算,而且能够降低测量误差及异常值对估算结果的影响,使锂离子电池SOC估算结果快速且精确收敛。

关 键 词：锂电池 荷电状态 门控循环单元神经网络  卡尔曼滤波

分 类 号：TM912]