10.3969/j.issn.1672-9730.2022.10.037
基于回声状态网络的锂离子电池SOC估算
准确估算电池荷电状态(State of Charge,SOC)是电池管理系统稳定运行的关键.针对电池SOC预测精度低、难以估计的问题,利用Matlab/Simulink库中的电池模块为基本元件,得到了在UDDS工况下两组不同的放电激励对锂离子电池放电模型进行放电仿真的数据.建立了以电池电流为输入的回声状态网络(Echo State Network,ESN)算法的SOC预测模型.通过选择使回声状态网络最优的参数,分析神经网络储备池中不同的神经元个数对预测结果的影响,并对比不同神经元个数训练出的神经网络的预测误差.在UDDS工况下,与BP神经网络(Back Propagation,BP)算法相比,该预测模型估算SOC误差可控制在4%以内,具有较高的精度和应用前景.
荷电状态、锂离子电池、回声状态网络、BP神经网络
42
TM912.9
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
165-171