10.16526/j.cnki.11-4762/tp.2020.05.040
基于神经网络的电池SOC估算及优化方法
鉴于锂电池高度非线性和时变性使其剩余电量难以精确估算,影响电池的管理和控制;基于BP神经网络模型,在具有随机噪声干扰下,分析和比较不同架构的深度学习模型对电池剩余电量估算的运算时间和泛化性能,并根据粒子群算法(PSO)、基于Nesterov动量的RMSProp变学习率算法优化模型,结合数学规划设计出不同深度的最优构架,并与多种神经网络模型进行比较;根据实验数据和模型估算结果对比表明:此优化算法能有效减少模型的运算时间,在双隐层最优构架下,SOC平均估算误差在0.1左右.
锂离子电池、SOC、神经网络、粒子群算法、RMSProp
28
TP301.6(计算技术、计算机技术)
2020-06-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
185-189,194