基于TCN-GRU神经网络模型和迁移学习的锂离子电池SOC估计方法

本申请公开了一种基于TCN‑GRU神经网络模型和迁移学习的锂离子电池SOC估计方法，可以有效地缩短电池测试周期，降低BMS成本，特别是当目标电池的训练数据不足和在BMS开发的早期阶段。该方法包括：获取源电池在不同放电条件和环境条件下的测量数据作为源域数据集；针对源域中的电池行为，采用TCN‑GRU框架将电池的电流、SOC和温度作为模型输入，电池的电压作为模型输出构建CN‑GRU神经网络模型，并使用源域数据集中的数据对构建好的TCN‑GRU神经网络模型进行预训练；针对目标域的电池行为，采用迁移学习技术对TCN‑GRU神经网络模型进行扩展，对来自目标域的数据进行微调，以适应目标电池的特定特性，得到扩展后的TCN‑GRU神经网络模型；构造平方根容积卡尔曼滤波SRCKF算法估计SOC。