关键词：电动汽车;动力电池;卷积神经网络;门控循环单元;ThLU
摘 要：针对现有电动汽车动力电池SOC和SOH估计方法存在运算效率低、实时性差以及估算准确率低的问题,提出一种精确估算电动汽车动力电池SOC&SOH的循环门控模型。首先,改进门控循环单元GRU中更新门和重置门的计算方式并将候选隐藏状态激活函数替换为ThLU函数,缩短训练时间,有效缓解梯度消失。其次,优化序列数据输入方式,引入环形GRU计算模式,提升模型运算效率和估计精度。最后,基于卷积神经网络CNN和改进门控循环单元IGRU,利用传感器采集到的电压V、电流I、温度T数据,实现全周期SOH和SOC同步估算,并将SOH估计值计入SOC估算,消除老化因素对SOC估算造成的不利影响。利用牛津大学电池数据集进行实验验证,结果表明,相比传统估计模型,循环门控模型SOC估计精确度有效提升,预测误差基本保持在0.5%以内。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取