| 提出了一种基于双向门控循环神经网络 (BidirectionalGateRecurrentUnit,BiGRU)和粒子滤波 (Particle Filter,PF)相结合的方法,对电池的荷电状态 (StateofCharge,SOC)进行估计.利用 BiGRU 网络,根据可测量的电压 (V)、电流 (I)、温度 (T)等信息学习锂电池内部的动态特性.由于电池的平台期特性导致 BiGRU 网络在 捕捉测量数据与电池内部特性时会有一些波动,因此采用 PF对 BiGRU 网络的输出进行滤波,让最终的估计更加稳定.对所提出的方法在 FUDS和 US06工况下进行验证,实验结果显示 BiGRU 能很好地捕捉到电池的动态特性,从而避免了繁杂的建模过程,结合 PF,进一步提升了模型估计精度和鲁棒性. |
