基于模型-数据混合驱动的锂电池荷电状态估计方法

摘要

针对模型驱动方法估算精度不足及数据驱动方法易受训练数据质量影响的问题,提出基于模型-数据混合驱动的锂电池荷电状态(state of charge, SOC)估计方法,通过结合物理模型的先验知识与数据驱动的非线性拟合能力提高SOC估计精度。考虑锂电池的动态特性,利用二阶电阻-电容(resistor-capacitance, RC)等效电路模型,建立电池系统的状态空间方程;采用扩展卡尔曼滤波(extended Kalman filter, EKF)初步估计锂电池SOC;将EKF的估计结果与锂电池的端电流、端电压共同作为Transformer编码器的输入,实现SOC精细化估计。算例分析结果表明,所提方法在多种工况和温度下的平均绝对误差均小于0.7%,能够有效提升SOC辨识方法的结果精度和鲁棒性。

关键词

荷电状态 / 锂电池储能 / 扩展卡尔曼滤波 / Transformer / 模型-数据混合驱动