基于LSTM的电动汽车SOC估算方法的研究

• 作者: 严晓 王东征 王炯耿 马非凡 黄碧雄
• 来源期刊: 农业装备与车辆工程
• 学科: 工学
• 关键词: 锂电池 管理系统 长短记忆 电荷状态(SOC) 估算方法
• 年，卷（期）: 2020,（11）
• 页码范围: 60-63
• 页数: 4页
• 分类号: TM912
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3142.2020.11.014

摘要

电池包电荷状态(SOC)的估算是描述电池包健康状态、电池放电效能的重要指标,更是驾驶员对电池包剩余电量的最直观感受.基于此,本文提出了利用长短记忆模型的循环神经网络(LSTM-RNN)的模型估算车载电池包的电荷状态(SOC),代替传统卡尔曼滤波法(KF)进行SOC估算的方式.LSTM是一种纯数据驱动的在线学习以及预测的模型,节省了在实验室长期试验测量的工作成本.训练结果表明,LSTM具有足够的准确性和泛化性.