点击次数：

影响因子：1.56

DOI码：10.19535/j.1001-1579.2026.01.019

发表刊物：电池

关键字：锂离子电池；荷电状态(SOC)；卷积神经网络(CNN)；门控循环单元(GRU)；注意力机制；特征双准则；混合网络

摘要：锂离子电池内部电化学反应复杂,外部应用场景随机多变,使得车载锂离子电池 SOC 估计的准确性低、鲁棒性弱。提出一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制混合网络的车载锂离子电池 SOC 估计方法。首先，进行实车数据预处理,获取可用的放电片段；然后，采用皮尔逊-斯皮尔曼特征双准则分析，选择出3个与SOC具有强相关性的简单特征作为混合网络的输入；最后，构建混合网络,并分别在北方和南方地区的实车运行数据上进行测试。实验结果表明，SOC估计的平均绝对误差与均方根误差均小于1. 6%，验证了该方法的可行性与有效性。

备注：北大核心期刊

合写作者：刘思懿,郭子旭,李子涵

第一作者：程思涵

论文类型：期刊论文

通讯作者：吴慕遥

学科门类：工学

文献类型：J

卷号：56

期号：1

页面范围：131-135

ISSN号：1001-1579

是否译文：否

发表时间：2026-02-25

发布期刊链接：https://kns.cnki.net/kcms2/article/abstract?v=zO3wb1M9ekw4VY6nwj4I4NG4lP4W4J6vR6uC1v_zBO5eil8fSiNKctkJjzcc5FDWYIBtwxzzBDVyzE3EfPVu8YYryHMiUchXAEUCveqWSGlL778-r2WpUsmqUBsoXwIE_Ptqa3deJHfVPhEfP67dRxqmTw