基于RBF-BSA的锂离子电池SOC混合估算算法

被引：22

作者：

李占英

时应虎

张海传

孙静雯

机构：

[1] 大连工业大学信息科学与工程学院

来源：

华中科技大学学报(自然科学版) | 2019年 / 47卷 / 12期

关键词：

锂离子电池; 回溯搜索算法; 径向基神经网络; 荷电状态; 目标函数;

D O I：

10.13245/j.hust.191212

中图分类号：

TP18 [人工智能理论]; TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.

引用

页码：67 / 72

页数：6

共 7 条

[1]

锂离子电池特性建模与SOC估算算法的研究 [J].

凡旭国 ;

周金治 ;

高磊 .

微型机与应用, 2017, 36 (02) :83-86

[2]

基于PSO-RBF混合算法锂离子电池SOC估算 [J].

吴铁洲 ;

吴笑民 ;

杨蒙蒙 ;

熊金龙 .

电源技术, 2016, 40 (05) :982-985

[3]

An integrated approach for real-time model-based state-of-charge estimation of lithium-ion batteries.[J].Cheng Zhang;Kang Li;Lei Pei;Chunbo Zhu.Journal of Power Sources.2015,

[4]

Electro-thermal analysis and integration issues of lithium ion battery for electric vehicles.[J].L.H. Saw;Y. Ye;A.A.O. Tay.Applied Energy.2014,

[5]

Estimation of the state of charge for a LFP battery using a hybrid method that combines a RBF neural network; an OLS algorithm and AGA.[J].Wen-Yeau Chang.International Journal of Electrical Power and Energy Systems.2013,

[6]

Backtracking Search Optimization Algorithm for numerical optimization problems [J].

Civicioglu, Pinar .

APPLIED MATHEMATICS AND COMPUTATION, 2013, 219 (15) :8121-8144

[7]

A note on the learning automata based algorithms for adaptive parameter selection in PSO.[J].A.B. Hashemi;M.R. Meybodi.Applied Soft Computing Journal.2009, 1

← 1 →