我校来华留学博士研究生在新能源与储能系统测控研究领域取得重要进展
日前，我校2021级加纳（非洲）博士留学生Paul Takyi-Aninakwa聚焦锂电池荷电状态开展新能源测控研究，在锂离子电池状态估计方面取得了新的研究成果“An optimized long short-term memory-weighted fading extended Kalman filtering model with wide temperature adaptation for the state of charge estimation of lithium-ion batteries”。该研究论文发表在储能领域国际知名期刊Applied Energy（Elsevier）上，影响因子为11.446（SCI-1区TOP），引用分数为 20.4。Paul Takyi-Aninakwa为论文的第一作者，信息与工程学院王顺利教授为通讯作者，西南科技大学为第一完成单位。
传统能源的日益稀缺和环境污染的加剧，推动了世界各国对新能源的开发与利用，锂离子电池因其环境友好和高能量密度特性而备受人们的青睐，被广泛应用于电动汽车（EV）、智能电网和航空航天等领域。为确保电动汽车、无人机等设备的安全可靠运行，需通过电池管理系统（BMS）对电池各状态进行实时监测。荷电状态（SOC）作为BMS中的关键状态量，它的实时精确估计至关重要，是保障电动汽车行驶安全的核心技术。
在研究中，Paul Takyi-Aninakwa根据实际应用环境下温度因素的影响，建立了一种基于转移学习机制优化的长短期记忆（LSTM）的锂电池SOC估计模型。首先，对三元锂离子电池在-10℃、25℃和50℃三种温度下进行实验测试，根据《USABC手册》标准，将其分为冷、正常和热三种温度条件，研究温度对锂电池荷电状态估计的影响。然后，提出了一种具有自适应权重和衰减因子的WFEKF算法，用于温度变化时对荷电状态估计结果进行校正、去噪和优化，并在多种日常出现的复杂工作环境中进行实验验证。验证结果表明，考虑温度变化的LSTM模型具有较好的SOC估计效果。与LSTM模型和其他现有的SOC估计方法相比，所提出的混合LSTM-WFEKF模型在宽温度和复杂工作条件下具有高收敛性、低噪声、良好的放电终止误差校正效果与高精度的SOC估计结果。实验结果显示所提算法的适应性，为锂电池在智能设备、智能电网、电动汽车等领域的实际应用奠定了基础。
该研究得到国家自然科学基金委和西南科技大学自然科学基金的支持。
论文链接： https://doi.org/10.1016/j.apenergy.2022.120043
（王丽明 编辑）（留学生教育办公室 供稿）
