TCN-Transformer组合模型的锂电池SOC估计

摘要

锂电池荷电状态(SOC)的精确估计对电池管理系统至关重要，但其非线性、时变性和不可直接测量等特性使传统方法面临精度不足的挑战。为此，提出一种基于TCN-Transformer混合模型的高精度SOC估计方法，通过时序卷积网络(TCN)提取电池电压、电流及单体电池温度的局部时序特征，并结合Transformer的自注意力机制建模全局时间依赖性，构建多源输入数据和电池SOC之间非线性函数映射关系。基于车载锂离子电池数据集进行测试，实验结果表明：相较于LSTM、GRU、 Transformer等模型，TCN-Transformer混合模型在MSE、SMAPE、RMSE和MAE四项评估指标上均表现最优；SMAPE较单一Transformer模型降低29.7%,RMSE和MAE分别较GRU模型下降18.3%和20.2%。实验结果验证了该模型的可行性。

关键词

锂离子电池 / SOC / 时间卷积网络 / Transformer模型