高温区锂离子电池超高脉冲工况SOC估计方法研究OA
在超高脉冲工况下,锂离子电池具有单次放电时间短、电流高达数十倍以及温度升高快等特点。针对超高脉冲工况下电池荷电状态(state of charge,SOC)估计精度不足的问题,提出基于拓展长短期记忆(extended long short-term memory,xLSTM)神经网络模型的电池SOC估计方法。首先,将长短期记忆(long short-term memory,LSTM)神经网络中激活函数改为指数型激活函数,向量形式扩展为矩阵形式,从而提高模型估计能力。然后,在包含高温区的环境温度(25℃、35℃和45℃)下,高功率磷酸铁锂电池以10 s放电周期、50%占空比进行20~50 C脉冲放电实验,所提模型与多种神经网络模型的估计结果进行对比,并对所提模型在高温区的SOC估计性能进行验证。最后,将含有测量误差的低采样频率数据输入至xLSTM神经网络模型,xLSTM神经网络模型的估计结果与安时积分法估计结果进行对比,验证了所提模型的可行性和鲁棒性。
鲁诗默;孙丙香;明海;付智城;范鑫源
北京交通大学国家能源主动配电网技术研发中心,北京100044 北京交通大学载运装备多源动力系统教育部重点实验室,北京100044北京交通大学国家能源主动配电网技术研发中心,北京100044 北京交通大学载运装备多源动力系统教育部重点实验室,北京100044军事科学院防化研究院,北京100191北京交通大学国家能源主动配电网技术研发中心,北京100044 北京交通大学载运装备多源动力系统教育部重点实验室,北京100044北京交通大学国家能源主动配电网技术研发中心,北京100044 北京交通大学载运装备多源动力系统教育部重点实验室,北京100044
信息技术与安全科学
磷酸铁锂电池超高脉冲工况荷电状态长短期记忆神经网络
《电力系统保护与控制》 2026 (14)
P.47-57,11
国家自然科学基金项目资助(52177206)北京市自然科学基金项目资助(L257024)。
评论