基于BP-DCKF-LSTM的锂离子电池SOC估计.pdfVIP

究与设计

基于BP-DCKF-LSTM的锂离子电池SOC估计

宇，李维嘉，吴铁洲

(湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室，北武汉430068)

摘要：电池荷电状态(SOC)的准确估计是电池管理系统(BMS)的核心功能之一。为了提高锂电池SOC

估算精度，提出了一种将反向传播神经网络(BP)、双容积卡尔曼滤(DCKF)和长短期记忆神经网络

(LSTM)相结合的SOC估计方法。针对多温度条件下传统多项式拟合法在拟合开路电压(OCV)与

SOC时效果较差的问题，提出了一种基于BP神经网络的拟合方法，通过验证表明该方法能有效提高

拟合精度。针对单独使用模型法或数据驱动法估计SOC各自存在的优缺点，提出了一种将DCKF与

LSTM相结合的估计方法，在提高估计精度的同时，可以减少参数调节时间和训练成本。实验验证表

明，BP-DCKF-LSTM算法的均方根误差(RMSE)和平均绝对误差