改进的ACO-BP神经网络在锂离子电池SOC估算中的应用

摘要：

针对单一BP神经网络模型估算锂离子电池SOC易陷入局部最优的问题,引入蚁群算法ACO,并与BP神经网络模型相结合,提出了改进的ACO-BP神经网络以估算电池SOC.采用惯性矫正算法,在校正权阈值时加入惯性量,以改进BP神经网络;利用改进的全局信息素更新规则来改进ACO算法,以解决其易早熟收敛的问题.将经改进的ACO-BP神经网络应用于18650锂离子动力电池SOC估算,结果表明,改进的ACO-BP神经网络估算SOC的相对误差能控制在±1.957％以内,MAPE为0.897％,精度和稳定性明显优于单一BP神经网络和ACO-BP神经网络.

关键词：电池SOC、蚁群优化、神经网络、估算模型

所属期刊栏目：34

分类号：TM912

在线出版日期：2019-10-10（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：81-86