基于神经网络模型的动力电池SOC估计研究

被引：106

作者：

蔡信

李波

汪宏华

聂亮

机构：

[1] 国网浙江省电力公司电动汽车服务分公司

来源：

机电工程 | 2015年 / 32卷 / 01期

关键词：

电动汽车; 电池荷电状态; 神经网络;

D O I：

暂无

中图分类号：

TM911 [化学电源、电池、燃料电池]; TP24 [机器人技术];

学科分类号：

080802 [电力系统及其自动化]; 140102 [集成电路设计与设计自动化];

摘要：

针对电动汽车动力电池荷电状态(SOC)的估计问题,对动力电池的荷电状态估计方法进行了研究。对电池荷电状态的影响因素进行了归纳,提出了基于反向传播神经网络(BP神经网络)的动力电池荷电状态估计方法。利用汽车仿真软件ADVISOR对电动汽车行驶典型的汽车测试工况进行了模拟,得到了电动汽车动力电池荷电状态与电池的充放电电流、温度之间的关系。对得到的训练样本数据进行了归一化处理,经过训练,得到基于BP神经网络的动力电池荷电状态估计模型。同样,利用ADVISOR软件得到的测试数据,对得到的神经网络模型进行了测试。研究结果表明,该模型的估计值和输出值之间的误差最大值为4%左右,模型的精度符合动力电池荷电状态估计的使用要求。

引用

页码：128 / 132

页数：5

共 13 条

[1]

State-of-charge estimation for lithium-ion batteries under various operating conditions using an equivalent circuit model.[J].Sungwoo Cho;Hyeonseok Jeong;Chonghun Han;Shanshan Jin;Jae Hwan Lim;Jeonkeun Oh.Computers and Chemical Engineering.2012,

[2]

Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs.[J].Gregory L. Plett.Journal of Power Sources.2004, 2

[3]

Methods for state-of-charge determination and their applications [J].