磷酸铁锂电池的SOC预测

• 作者: 李国进 董第永 陈双
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 磷酸铁锂电池 荷电状态 极限学习机 粒子群优化算法 预测
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 能源领域仿真
• 页码范围: 163-168
• 页数: 6页
• 分类号: TP183
• 字数: 4512字
• 语种: 中文

摘要

电池荷电状态(SOC)准确预测是电池管理系统的关键任务.针对过去电池SOC预测精度低等问题,提出了一种采用极限学习机神经网络(ELM)的预测模型,以电池电压和电流作为模型的输入量,SOC作为输出量.在建模过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,降低了随机性给模型造成的影响,提高了模型预测精度.利用实验采集的数据进行模型训练和预测,结果表明,用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM以及传统的BP和SVM相比,具有更高的预测精度和泛化性能.为磷酸铁锂电池的SOC预测提供了一种新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国进	广西大学电气工程学院	29	163	6.0	12.0
2	陈双	广西大学电气工程学院	6	123	5.0	6.0
3	董第永	广西大学电气工程学院	3	41	3.0	3.0