基于ELSTM的锂离子电池荷电状态估算策略OA

通过电池管理系统(BMS)准确估算锂离子电池SOC对于电动船舶的高效能源管理和功率分配控制至关重要。目前数据法已被广泛用于估算锂离子电池的SOC;然而数据法的学习能力仍有待进一步提高。本文旨在分析扩展输入长短期记忆(ELSTM)模型的SOC估算性能,并提出了一种自适应奇异值分解变换无迹卡尔曼滤波器(ASVDUKF),以整合所有未知变量,并将误差协方差矩阵的正定性保证到一个向量中,形成一个多融合模型,该模型基于ELSTM的估算值稳健地输出去噪和优化后的SOC。实验结果表明,ELSTM的性能优于使用常规输入数据的LSTM。ELSTM-ASVDUKF模型确保了高精度和稳定性,其最优的平均绝对误差、均方根误差和平均绝对百分比误差分别为0.0939%、0.1074%和0.1257%。该模型通过LFP电池的各种全周期电流率和温度数据进行了验证,证明该模型具有优异的SOC估算性能。