EKF估计SOC 对比 神经网络估计SOC
电池SOC是指电池的充电水平相对于其容量的百分比。SOC是车辆能源管理系统的关键信息，必须准确估计，以确保可靠且价格合理的电动汽车。基于卡尔曼滤波器（EKF）算法的方法是解决这个问题的传统方法，但它们通常需要精确的参数和电池组分及其物理响应的知识。相比之下，使用神经网络是一种数据驱动的方法，需要对电池或其非线性行为的最少知识。
该模型使用两个From Workspace块从测试数据中加载训练网络和目标SOC的预测因子，一个来自深度学习工具箱的Predict 库和两个Scope块来显示预测的输出和输入信号。
Predict块通过使用您使用块参数指定的经过训练的网络来预测输入处数据的响应。该块接受具有神经网络的输入层的维度的输入信号，并输出预测。
EKF子系统实现了扩展卡尔曼滤波算法，以递归地估计每个模拟步骤的电荷状态。
神经网络 VS EKF VS 真实值
该图显示了SOC随时间的神经网络预测。网络预测接近于从测试数据中获得的SOC值。该网络在-10˚C至25˚C的温度范围内预测充电状态，精度为3。