估算锂电池SOC的基于LM的BP神经网络算法

论文摘要

荷电状态(SOC)是锂离子电池重要参数之一,直接决定动力汽车续航里程。行驶工况下电池放电为非线性,使得在线准确估算SOC很难。以电池电压和电流为输入、SOC为输出,建立具有三层结构的误差反向传播(Back Propagation,BP)神经网络模型。模拟不同行驶工况和比较不同算法的估算误差,优选收敛速度最快的算法,实现基于随机变电流数据的SOC估算,估算结果与样本测试数据进行比对。结果表明,基于LM的BP神经网络算法估算锂离子电池SOC具有良好稳定性和泛化能力。模型估算精度高,误差在0.06之内,可用于锂离子电池SOC在线估算。

论文目录

• 1 锂离子电池模型与参数辨识
•   1.1 电池模型
•   1.2 参数辨识算法
• 2 基于BP神经网络的SOC估算
• 3 实验结果分析
•   3.1 实验平台及实验过程
•   3.2 电池模型参数辨识及验证
•   3.3 BP神经网络算法SOC估算
• 4 结论

文章来源

类型: 期刊论文

作者: 姚芳,张楠,黄凯

关键词: 锂离子电池,荷电状态,最小二乘法,神经网络

来源: 电源技术 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 河北工业大学电气工程学院省部共建电工装备可靠性与智能化国家重点实验室,河北工业大学电气工程学院河北省电磁场与电器可靠性重点实验室

基金: 国家科技支撑计划(2015BAA09B0),国家自然科技基金(51377044),河北省自然科学基金(E2017202284),河北省教育厅青年基金(QN2017316)

分类号: TM912

页码: 1453-1457

总页数: 5

文件大小: 1665K

下载量: 238