基于小波神经的动力电池SOC估计的研究

• 作者: 于洋 纪世忠 魏克新
• 来源期刊: 电力电子技术
• 学科: 工学
• 关键词: 动力电池 电动汽车 荷电状态 小波神经网络
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 装置及应用
• 页码范围: 90-92
• 页数: 3页
• 分类号: TM912
• 字数: 1593字
• 语种: 中文

摘要

提高电池荷电状态(SOC)估计的准确性对电动汽车电池管理系统的研究至关重要.根据历史实验数据,在分析了电池电压、电流、电池表面温度及放电总电量等因素对电池SOC的影响后,提出一种利用小波神经网络的SOC在线实时估计方法.通过与BP神经网络的预测结果进行比较,结果表明,小波神经网络能更准确地逼近实际SOC值,并克服了神经网络容易陷入局部次优点的缺点,且将神经网络隐含层的传输函数用小波函数代替,算法易实现且易于应用和推广.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏克新	天津理工大学天津市复杂工业系统控制理论及应用重点实验室	81	572	14.0	18.0
2	于洋	天津理工大学天津市复杂工业系统控制理论及应用重点实验室	6	64	4.0	6.0
3	纪世忠	天津理工大学天津市复杂工业系统控制理论及应用重点实验室	5	64	4.0	5.0