基于双向GRU和H∞滤波器的SOC复合估算

锂离子电池荷电状态（SOC）估算作为电池管理系统（BMS）的重要功能，是合理利用EV车辆电池组能量的前提。现有估算方法中，基于模型驱动法过程繁琐、计算量大；基于数据驱动法对数据要求高，估计精度差。针对以上问题，提出了基于双向GRU（BidiGRU）神经网络结合H_∞滤波器的复合估算方法来估算锂离子电池的SOC。用不同温度下北京应力循环工况（BJDST）来训练BidiGRU神经网络模型，再使用联邦测试程序驾驶时间表（US06）来对模型进行测试。测试结果的均方根误差（RMSE）最小可达到2.05%，平均绝对误差（MAE）最小可达到1.79%。用H_∞滤波器优化后的RMSE和MAE均可降低到0.17%以下，最低可达到0.11%。结果表明该方法可在不同温度和不同工况下对锂离子电池SOC做出实时估计，并能够达到较高的精度。