基于循环神经网络的锂电池SOC估算方法

被引:28
作者
李超然
肖飞
樊亚翔
机构
[1] 海军工程大学舰船综合电力技术国防科技重点实验室
关键词
锂电池; 电池管理系统; 荷电状态; 循环神经网络;
D O I
暂无
中图分类号
TM912 [蓄电池]; TP183 [人工神经网络与计算];
学科分类号
080802 [电力系统及其自动化]; 140502 [人工智能];
摘要
鉴于锂电池荷电状态(state of charge, SOC)实时准确估计的重要性。针对大倍率脉冲放电工况下锂电池的强非线性和时变特性,训练了一个循环神经网络对锂电池SOC进行估算,该网络能够将电池管理系统测量所得的电压、电流、温度映射到SOC。基于某型号18Ah锂电池性能测试所获得的大倍率脉冲工况放电数据进行了实验验证,得到三种温度下锂电池SOC估算结果的平均绝对值误差为1.92%,证明了该方法的有效性。
引用
收藏
页码:107 / 112
页数:6
相关论文
共 5 条
[1]
基于自适应无迹卡尔曼滤波器的锂电池SOC估计 [J].
曹夏令 ;
费亚龙 ;
孙绍博 ;
谢长君 .
电力电子技术, 2017, 51 (07) :69-72
[2]
电磁发射系统中电力电子技术的应用与发展 [J].
马伟明 ;
肖飞 ;
聂世雄 .
电工技术学报, 2016, 31 (19) :1-10
[3]
基于粒子群算法优化SVM在电池SOC估算中的应用 [J].
张凯 .
机械工程与自动化, 2016, (02) :154-155
[4]
基于神经网络模型的动力电池SOC估计研究 [J].
蔡信 ;
李波 ;
汪宏华 ;
聂亮 .
机电工程, 2015, 32 (01) :128-132
[5]
基于粒子滤波算法的动力电池SOC估计 [J].
汪永志 ;
贝绍轶 ;
汪伟 ;
李波 .
机械设计与制造工程, 2014, 43 (10) :69-73