第12卷第7期2023年7月Vol.12No.7Jul.2023储能科学与技术EnergyStorageScienceandTechnology融合自注意力机制与门控循环单元网络的宽工况锂离子电池SOC估计管鸿盛，钱诚，徐炳辉，孙博，任羿（北京航空航天大学可靠性与系统工程学院，北京100191）摘要：准确估计宽工况条件下的锂离子电池荷电状态(SOC)对于电动汽车的运行安全性和可靠性至关重要，是电池管理系统最重要的任务之一。本工作充分利用门控循环单元(GRU)神经网络短时处理能力与注意力机制(SAM)长时序特征提取能力，提出了一种融合SAM与GRU的神经网络模型学习锂离子电池可测参数(电压、电流)与其SOC的非线性映射关系，实现了高精度的SOC估计，从而解决锂离子电池SOC的长序列相关特征难以有效表征问题。通过北京公交动态应力测试(BBDST)数据的验证表明，与传统GRU网络相比，本文提出的SAM-GRU神经网络模型对于不同放电倍率、环境温度以及放电倍率-环境温度混合工况下工作的锂离子电池均取得了更准确的SOC估计，估计精度提升分别不小于26%、25%和11%。关键词：锂离子电池；荷电状态；自注意力机制；门控循环单元神经网络doi：10.19799/j.cnki.2095-4239.2023.0292中图分类号：TM912文献标志码：A文章编号：2095-4239（2023）07-2229-09SAM-GRU-basedfusionneuralnetworkforSOCestimationinlithium-ionbatteriesunderawiderangeofoperatingconditionsGUANHongsheng,QIANCheng,XUBinghui,SUNBo,RENYi(SchoolofReliabilityandSystemsEngineering,BeihangUniversity,Beijing100191,China)Abstract:Accurateestimationofthestateofcharge(SOC)oflithium-ionbatteriesunderawiderangeofoperatingconditionsiscrucialforensuringtheoperationalsafetyandreliabilityofelectricvehicles;therefore,estimatingSOCisoneofthemostimportanttasksofbatterymanagementsystems.Inthisstudy,afusionneuralnetworkmodelcombiningSelf-AttentionMechanism(SAM)andGatedRecurrentUnit(GRU)isproposedtocapturethelong-termnonlinearmappingrelationshipbetweenthemeasurableparameters(voltageandcurrent)andSOCoflithium-ionbatteries.ThisSAM-GRUneuralnetworkmodelmakesfulluseoftheshort-timeprocessingcapabilityofGRUandthelong-timesequencefeature-extractioncapabilityofSAM.Additionally,thismodelsimplifiestheeffectivecharacterizationofthelong-sequence-relatedfeaturesofSOC.Basedontheresults...
