来源：期刊VIP网 时间：
作者：张钦仰;何玲;周映宇;刘丹;
单位：贵州大学现代制造技术教育部重点实验室;
摘要：动力电池的荷电状态（State of Charge,SOC）是保障储能电站正常运行和安全的重要参数之一。提出一种基于卷积神经网络（CNN）与门控循环神经网络（GRU）结合的电池SOC预测方法。首先使用该网络分别对单体电池充放电实验数据进行估计并于真实SOC值进行对比分析，测试结果显示，充电时所提出的CNN-GRU联合神经网络估计的SOC值与真实值之间的误差绝对值[0.0004%,1.71%]。放电时充电时所提出的CNN-GRU联合神经网络估计的SOC值与真实值之间的误差绝对值[0.0002%,3.0%]。然后采用电池组的运营数据进行电池组的SOC的估计，并与实际运行数据的中SOC值进行比较，充电时的误差绝对值范围为[0.0029%,3.1%]，放电时误差绝对值范围为[0.0001%,3.7%]。结果表明所提出的CNN-GRU联合算法在纯电动公交车锂电池组SOC估计方面具有良好的应用价值。
关键词：单体锂电池;;锂电池组;;荷电状态;;CNN-GRU神经网络
基金资助：贵州省新能源客车动力系统设计与集成工程技术研究中心（黔科合平台-JXCX[2021]001）
