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。     

18650NCA型单体电池电热特性的实验与仿真研究

针对18650NCA型(正极材料为LiNi0.8Co0.1Al0.1O2)锂离子电池的性能进行了系统性研究,通过实验测得在不同温度、不同倍率下电池的温升.使用以上实验数据在COMSOL软件中建立锂离子单体电池模型.最后进行不同工况(ECE、NEDC)和不同环境温度下的充放电实验,记录电池表面温度,再使用搭建的模型在不同...