锂电池荷电状态(SOC)的准确估计对提高电池的动态性能和能量利用率至关重要.针对现有神经网络SOC估计方法在复杂工况下存在精度低,稳定性差等问题,本文提出一种改进GRU模型算法对SOC进行估计.首先将1DCNN和Bi-GRU相结合并添加注意力机制,构建1DCNN-Bi-GRU-ATT模型.其次,为解决ReLU激活函数易出现死神经元现象,将其改进为PReLU激活函数.同时,为解决 MSE-Loss易受复杂工况中电池异常数据影响和MAE-Loss收敛速度较慢等问题,改用Huber-Loss作为网络损失函数.最后,将Adam算法使用Nesterov加速梯度改进为Nadam算法.锂电池SOC估计实验结果表明,在12种复杂工况下该模型算法的均方根误差和平均绝对误差的...
