基于QPSO-BP神经网络的锂电池SOC预测

被引：40

作者：

刘征宇 ^{[1
,2
]}

杨俊斌 ^{[3
]}

张庆 ^{[1
]}

张利 ^{[1
,2
]}

赵爱国 ^{[1
]}

机构：

[1] 合肥工业大学机械与汽车工程学院

[2] 安全关键工业测控技术教育部工程研究中心

[3] 安徽富煌建设有限责任公司

来源：

电子测量与仪器学报 | 2013年 / 27卷 / 03期

关键词：

锂离子电池; 荷电状态SOC; 神经网络; 量子微粒群算法;

D O I：

暂无

中图分类号：

TM912 [蓄电池]; TP18 [人工智能理论];

学科分类号：

0808 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

电池荷电状态(state of charge,SOC)的预测是电动汽车电池管理系统的关键任务之一,为此对锂电池荷电状态的预测进行了研究,提出了一种基于QPSO-BP神经网络的锂电池SOC预测。在分析了磷酸铁锂(LiFePO4)电池充放电机理后,运用MATLAB人工神经网络工具箱建立基于量子微粒群算法(QPSO)的BP(back propagation)神经网络模型,用于预测锂离子电池充放电过程中的任一状态下的SOC。仿真实验验证了方法的准确性。结果表明,与现有的神经网络预测方法相比,基于QPSO-BP神经网络的锂电池SOC预测方法准确度高,且具备很好的实用性。

引用

页码：224 / 228

页数：5