典型文献
基于BiGRU和PF的锂电池SOC估计
文献摘要：
提出了一种基于双向门控循环神经网络(Bidirectional Gate Recurrent Unit,BiGRU)和粒子滤波(Particle Filter,PF)相结合的方法,对电池的荷电状态(State of Charge,SOC)进行估计.利用BiGRU网络,根据可测量的电压(V)、电流(I)、温度(T)等信息学习锂电池内部的动态特性.由于电池的平台期特性导致BiGRU网络在捕捉测量数据与电池内部特性时会有一些波动,因此采用PF对BiGRU网络的输出进行滤波,让最终的估计更加稳定.对所提出的方法在FUDS和US06工况下进行验证,实验结果显示BiGRU能很好地捕捉到电池的动态特性,从而避免了繁杂的建模过程,结合PF,进一步提升了模型估计精度和鲁棒性.
文献关键词：
锂电池;SOC估计;双向门控循环神经网络;粒子滤波
中图分类号：
作者姓名：
周丹;祝乔;冯雄;缪书文;卢汉
作者机构：
西南交通大学机械工程学院,四川 成都 610031;攀枝花学院,四川 攀枝花 617000
文献出处：
引用格式：
[1]周丹;祝乔;冯雄;缪书文;卢汉-.基于BiGRU和PF的锂电池SOC估计)[J].电工技术,2022(18):80-82
A类：
B类：
BiGRU,PF,锂电池,SOC,双向门控循环神经网络,Bidirectional,Gate,Recurrent,Unit,粒子滤波,Particle,Filter,荷电状态,State,Charge,可测量,信息学习,池内,动态特性,平台期,测量数据,出进,FUDS,US06,捕捉到,繁杂,模型估计,估计精度
AB值：
0.415421
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
