BP神经网络在线优化卡尔曼滤波算法在钒电池SOC估算中的应用

摘要：

针对传统卡尔曼滤波法在钒电池荷电状态(state of charge,SOC)估算中将电池内部模型参数作为恒定值,而导致误差增大的缺陷,该文使用反向传播(back propagation,BP)神经网络在线更新卡尔曼滤波过程的参数值,以提高参数的精度.选用常见的戴维南(Thevenin)等效电路模型,通过神经网络更新内部欧姆内阻R0和极化电阻Rp、电容Cp完成卡尔曼滤波过程的优化,使系统模型卡尔曼滤波估算中的每一步都得到更新,从而弥补了上述传统算法的缺陷.同时,该文还设计了电池测试试验,通过对数据的检验以及与双卡尔曼滤波的优化方式的结果进行对比,验证了神经网络优化的方法较双卡尔曼滤波优化能更好地体现出系统的动态特性,估算的结果具有更高的精度和更好的收敛性,证明了该方法非常适用于钒电池系统的实时SOC估计,具有理论与应用价值.

关键词：钒电池、荷电状态(SOC)估算、卡尔曼滤波算法、BP神经网络、储能

所属期刊栏目：39

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家高技术研究发展计划项目863计划2012AA051905 Project supported by National High Technology research and Development of China 863 Program2012AA051905

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14