合肥工业大学汽车与交通工程学院等机构联合研究成果：基于改进iTransformer-AFEKF算法的锂离子电池荷电状态估计
《汽车工程》2026年第5期发表了合肥工业大学汽车与交通工程学院等机构联合研究成果"基于改进iTransformer-AFEKF算法的锂离子电池荷电状态估计"一文。围绕电动汽车锂离子电池荷电状态（SOC）精确估计这一核心需求，针对传统安时积分法存在累积误差和环境因素干扰、递归算法依赖电池模型准确性且计算复杂度高、机器学习算法训练耗时且参数调优复杂等问题，系统构建了基于改进iTransformer-AFEKF算法的SOC估计方法。针对现有混合算法在估计精度与噪声抑制方面仍有不足的现状，文章从数据驱动与模型驱动融合视角出发，提出"改进差分注意力机制iTransformer初步预测—自适应递归加权最小二乘优化AFEKF二次滤波修正"的技术路线，为电动汽车电池管理系统提供高效、准确的SOC估计技术支持。
一、研究背景
锂离子电池作为电动汽车的核心储能单元，其荷电状态的准确估计对保障电池安全运行与提升能源利用效率具有重要意义。然而，由于电池内部存在强非线性、电化学机理复杂以及受温度等环境因素影响显著，传统估计方法存在误差累积、对模型依赖较强、泛化能力差等问题。传统安时积分法存在累积误差和环境因素干扰等局限；递归算法虽提高估计精度，但依赖电池模型准确性且计算复杂度高；机器学习方法则具备强大的非线性建模能力和泛化优势，但训练耗时且参数调优复杂。因此，亟需研究高精度、强鲁棒性的荷电状态估计方法。
二、研究内容
1. 改进差分注意力机制iTransformer算法：在iTransformer基础上引入差分注意力机制，通过双Softmax插值运算抑制噪声干扰，实现权重系数动态调控，提升模型对长序列特征的建模能力，完成SOC初步预测。
图1 改进iTransformer-AFEKF算法框架
2.ARWLS优化AFEKF二次滤波算法：引入自适应递归加权最小二乘法优化的自适应渐消扩展卡尔曼滤波，动态调整历史观测数据权重，通过残差序列自适应更新噪声协方差，实现SOC估计值的二次修正与噪声平滑。
3.闭环估计流程设计：基于电化学原理构建状态空间方程，设计"数据预处理—iTransformer初步预测—AFEKF二次修正—BMS闭环控制"的四步骤算法流程，形成完整SOC估计闭环系统。
4. 多工况多温度实验验证：基于BMS实测数据，在0、25、40°C三种温度及ECE、UDDS两种工况下对算法进行全面验证，并与iTransformer-EKF和iTransformer-AFEKF进行对比分析。
图2 锂离子电池测试实验平台
三、研究结果
1. ECE工况下估计精度显著提升：改进iTransformer-AFEKF算法的MAE和RMSE分别控制在0.0080和0.0114以内，相较于iTransformer-EKF，MAE和RMSE平均分别降低32.6%和24.9%；与iTransformer-AFEKF相比，分别降低27.7%和20.8%。
图3 0 ℃下ECE工况SOC估计结果
图4 25 ℃下ECE工况SOC估计结果
图5 40 ℃下ECE工况SOC估计结果
2. UDDS工况下环境适应能力更强：MAE和RMSE分别控制在0.0068和0.0112以内，与iTransformer-EKF相比，MAE和RMSE分别降低38.7%和22.1%；与iTransformer-AFEKF相比分别降低28.9%和14.6%。
图6 0 ℃下UDDS工况SOC估计结果
图7 25 ℃下UDDS工况SOC估计结果
图8 40 ℃下UDDS工况SOC估计结果
3. 多温度条件下均保持良好泛化能力：各种温度和测试条件下MAE和RMSE分别小于0.80%和1.14%，常温条件下MAE不超过0.97%，RMSE控制在1.33%以内，充分证明该算法在多工况、多温度条件下的鲁棒性和优越性。
4. 计算效率优于对比算法：ECE工况下运行时间为60.35s，UDDS工况下为69.15s，在两个工况下均最短，验证了AFEKF优化估计步骤降低了计算负载，改进iTransformer结构性简化了前向推理时间。
表1 不同工况不同算法运行时间对比
四、创新点与意义
文章的主要创新在于引入差分注意力机制增强iTransformer捕捉电压、电流、温度等多变量间的长时序依赖关系，并结合自适应递归加权最小二乘优化的自适应渐消扩展卡尔曼滤波实现噪声自适应抑制与参数动态更新。该方法有效融合数据驱动与模型驱动优势，显著提升复杂工况下SOC估计的精度与鲁棒性，对提升电池管理系统性能具有重要工程应用价值。通过结构化刻画"改进iTransformer初步预测—AFEKF二次滤波修正"的技术实现路径，为理解电池非线性电化学特性与状态估计机理提供了整体认知基础，为电动汽车电池管理系统提供高效、准确的SOC估计技术支持。
