来源：期刊VIP网 时间：
作者：王顺利;王俊凯;张丽亚;李欢;
单位：内蒙古工业大学电力学院;西南科技大学信息与控制工程学院;
摘要：针对传统SOC估计模型在实际工况中存在的估计精度不足、误差累积以及鲁棒性差等问题，提出一种基于闭环非线性自回归（Closed-Loop Nonlinear Autoregressive eXogenous, CL-NARX）神经网络的SOC估计模型。该模型通过引入闭环反馈机制，增强了对复杂电池过程的拟合能力，有效抑制了误差累积，通过优化关键超参数增强了鲁棒性。实验结果显示，当训练迭代次数为150次、隐藏层神经元个数为10、输入延迟层数为5、输出延迟层数为2时，模型具有最优性能，估计误差明显优于其他神经网络模型，其最大误差、RMSE、MAE与MAPE分别降低至2.58%、1.41%、1.36%和4.57%。该模型具有较高的精度、有效抑制误差的能力和良好的鲁棒性，可望为锂离子电池安全运行提供可靠的技术支持。
关键词：锂离子电池;;荷电状态;;闭环非线性自回归;;BP神经网络
基金资助：国家重点研发计划(2024YFB2408400);; 国家自然科学基金(62173281,52377217,U23A20651)
