基于先进小波神经网络的HEV动力锂离子电池SOC估计(英文)

被引：28

作者：

付主木 ^{[1
,2
]}

赵瑞 ^{[1
]}

机构：

[1] 河南科技大学电子信息工程学院

[2] 山东大学控制科学与工程学院

来源：

Journal of Southeast University(English Edition) | 2012年 / 28卷 / 03期

关键词：

小波神经网络; 荷电状态; 混合动力汽车; 动力锂离子电池;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; 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：

为了提高混合动力汽车(HEV)电池荷电状态(SOC)的估计精度,提出了一种基于先进小波神经网络的HEV动力电池SOC估计算法.首先,建立了基于先进小波神经网络的电池SOC估计模型.然后,通过数学推导证明了先进小波神经网络的收敛性.最后,利用大量HEV动力电池在行驶过程中充放电的数据样本,对神经网络进行网络训练.仿真结果表明,所提出的估计算法与传统SOC估计算法相比,提高了电池SOC的估计精度,有效地将估计误差从±8%减小到±1.5%.

引用

页码：299 / 304

页数：6