基于局部模型网络的锂电池SOC估计方法
锂电池的荷电状态(SOC)是电池管理最重要的参数,准确的SOC估计对保证电池运作的安全性至关重要.传统基于数据驱动的SOC估计法,如神经网络,在可解释性、参数整定方面表现不足.本文提出一种基于局部模型网络和天牛须搜索优化组合的SOC估计法.首先,借助局部模型网络描述复杂非线性系统的能力和其作为灰箱模型的可解释性,将模型的工况空间分解为多个可以用简单模型表示的局部子区间,再用调度函数组合为最终的模型.其次,在网络的训练过程中,采用天牛须搜索优化算法确定分裂空间上的最佳分裂方位,很好的兼顾了模型辨识的精度和运算复杂度.最后,在锂电池动态特性数据集上与已有文献中的SOC估计法进行了对比试验,本文所提出的方法在简单工况的训练集上的RMSE误差小于 0.4%,在复杂工况的测试集上的RMSE误差小于 0.9%,在不同温度上的表现也相对平稳,总体展现出较高的辨识精度及泛化能力.这一特点在实测的数据集上也得到了进一步验证.
锂电池、SOC估计、局部模型网络、天牛须搜索优化
44
TH89
山东省重点研发计划项目2021CXGC011304
2023-10-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
161-171