基于混合算法的电池健康状态估计

被引：7

作者：

申江卫

苏晓波

王泽林

刘骥鹏

机构：

[1] 昆明理工大学交通工程学院

来源：

电源技术 | 2018年 / 42卷 / 06期

关键词：

电动汽车; 锂离子电池; 健康状态; K-均值算法;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为了保证电动汽车安全可靠的运行,动力电池的健康状态(SOH)显得尤为重要。宽的电压平台和严重的两极分化不利于锂离子电池SOH的估计。为了解决锂离子电池寿命预测困难这个问题,在安时积分法的基础上,通过对锂离子电池外特性的分析,采用BP神经网络算法对锂离子电池进行建模,并将此模型带入K-均值算法中。系统实现的目的是对电池健康状况进行准确评估。经过实验数据的验证,证明了这种算法的精确程度,为电池管理系统稳定工作提供保证。

引用

页码：874 / 876

页数：3

共 7 条

[1]

A Review of SOH Estimation Methods in Lithium-ion Batteries for Electric Vehicle Applications.[J].Cheng Lin;Aihua Tang;Wenwei Wang.Energy Procedia.2015, C

[2]

Online battery state of health estimation based on Genetic Algorithm for electric and hybrid vehicle applications.[J].Zheng Chen;Chunting Chris Mi;Yuhong Fu;Jun Xu;Xianzhi Gong.Journal of Power Sources.2013,

[3]

MATLAB在数学建模中的应用.[M].卓金武.北京航空航天大学出版社.2014,

[4]

电动汽车动力电池管理系统设计.[M].谭晓军; 著.中山大学出版社.2011,

[5]

基于神经网络的磷酸铁锂电池SOC预测研究 [J].