10.19620/j.cnki.1000-3703.20180636
基于HPSO-BP神经网络融合的锂电池SOC预估研究
为实现锂离子电池荷电状态(SOC)的高精度预测,采用混合粒子群(HPSO)与BP神经网络相结合的联合优化算法,通过优化神经网络的初始权值和阈值克服了种群易陷入局部极小的缺点,加快了收敛速度,减小了SOC预估的误差,通过分析磷酸铁锂(LiFePO4)电池充、放电机理,将电池电压、电流、内阻和温度作为SOC的影响因子.MATLAB仿真结果表明,HPSO-BP神经网络算法的预测精度和收敛速度较传统BP神经网络算法更优.
荷电状态、磷酸铁锂电池、混合粒子群算法、BP神经网络
TP183(自动化基础理论)
江西省教育厅科学技术研究项目GJJ150678
2019-07-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
20-24