10.16526/j.cnki.11-4762/tp.2018.12.049
基于免疫遗传算法的动力电池SOC估计研究
锂离子动力电池SOC(电池荷电状态)难以直接测量且由于高度非线性所导致估计误差较大;为了减少动力电池SOC估计误差,提高估算精度;在分析了锂离子动力电池电压、温度、电流和放电电量对电池SOC影响后,提出一种新颖的免疫遗传算法(Immune Genetic Algorithm,IGA)和BP神经网络相结合的锂离子动力电池SOC值联合估计方法,该方法首次使用在锂离子动力电池SOC值估计中,采用新颖的免疫遗传算法通过对BP神经网络进行参数寻优,优化网络结构模型,增强神经网络自适应学习效率;通过仿真和动力电池实际工况下实验,结果表明使用新颖的联合估计算法提高了网络的运行效率和电池SOC值估计精度,估计均方根误差控制在2%以内,验证了这一联合估计算法的可行性和有效性,解决了动力电池SOC值估计误差较大的问题.
锂离子动力电池、SOC估计、免疫遗传算法IGA、联合估计
26
TP301.6(计算技术、计算机技术)
国家自然科学基金61301052;四川省科技计划重点研发项目18ZDYF1590,2016GZ0025,2017GZ0102,2017GZ0106,2017GZ0143,2017GZ0020;成都市电动乘用车产业集群协同创新项目2017-XT00-00002-GX;中央高校基本科研业务费ZYGX2015J095,2016J035
2019-01-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
220-224