面向动力电池SOC估计的时间卷积优化网络

摘要

在电动汽车的实际驾驶场景中，由于复杂多变的运行条件和动力电池的非线性，对电池荷电状态(SOC)的准确估计存在较大的误差，从而造成车主的里程焦虑。针对上述问题，提出了一种时间卷积优化网络(TCON)方法，用于实时估计动力电池SOC。首先，建立无归一化的时间卷积网络(TCN)模型，通过并行计算提取时序信息，具有参数少、精度高的优点。其次，为了解决TCN输出波动性较强的问题，设计了时间优化模块(TOM),该模块通过生成时序优化权值，对TCN输出进行优化，有效抑制数据噪声，进一步提高了预测精度。最后，使用电动汽车实时运行数据集进行验证。实验结果表明：文中所提方法与TCN相比，在仅增加5.8%的参数量的前提下减少了18.3%的误差；SOC估计的平均绝对误差小于1%,均方根误差小于2%,为SOC提供了更准确的估计，在一定程度上缓解驾驶员的里程焦虑。

关键词

动力电池 / SOC估计 / 里程焦虑 / 时间卷积优化网络

基金资助

国家自然科学基金项目(62006073);; 湖北省中央引导地方科技发展专项项目(2023GEA027);; 湖北省自然科学基金项目(2022CFA007);; 湖北省科技项目(2022BEC017);; 湖北工业大学绿色工业科技引领计划项目(2022020801020267)