磷酸铁锂电池的SOC预测

摘要：

电池荷电状态(SOC)准确预测是电池管理系统的关键任务.针对过去电池SOC预测精度低等问题,提出了一种采用极限学习机神经网络(ELM)的预测模型,以电池电压和电流作为模型的输入量,SOC作为输出量.在建模过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,降低了随机性给模型造成的影响,提高了模型预测精度.利用实验采集的数据进行模型训练和预测,结果表明,用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM以及传统的BP和SVM相比,具有更高的预测精度和泛化性能.为磷酸铁锂电池的SOC预测提供了一种新的方法.

关键词：磷酸铁锂电池、荷电状态、极限学习机、粒子群优化算法、预测

所属期刊栏目：32

分类号：TP183(自动化基础理论)

资助基金：广西自然科学基金资助项目桂科自0832075

在线出版日期：2015-06-08（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：163-168