基于RBF-BSA的锂离子电池SOC混合估算算法 |
| |
引用本文: | 李占英,时应虎,张海传,孙静雯.基于RBF-BSA的锂离子电池SOC混合估算算法[J].华中科技大学学报(自然科学版),2019,47(12):67-72. |
| |
作者姓名: | 李占英 时应虎 张海传 孙静雯 |
| |
作者单位: | 大连工业大学信息科学与工程学院,辽宁大连,116034 |
| |
摘 要: | 为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.
|
关 键 词: | 锂离子电池 回溯搜索算法 径向基神经网络 荷电状态 目标函数 |
State of charge estimation of lithium-ion battery based on hybrid algorithms of RBF-BSA |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|