BP神经网络预估锂离子电池SOC训练数据选择

• 作者: 封进
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: BP神经网络 SOC预估 极化现象 训练数据
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 283-286
• 页数: 4页
• 分类号: TM912
• 字数: 2938字
• 语种: 中文

摘要

采用BP神经网络对电动汽车用动力锂离子电池荷电状态(SOC)预估进行研究,分析了BP神经网络的模型原理及锂离子电池极化现象.对比采用恒流实验数据训练BP神经网络,提出改进BP神经网络训练数据选择方法,以适应变电流的实际循环中,锂离子电池因极化现象而产生的动态非线性,并进行了电池SOC值的预估.实验表明,采用改进训练数据训练的BP神经网络,在电流剧烈变化的实际工况环境下具有更高的SOC预估精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	封进	桂林航天工业学院汽车工程系	23	57	3.0	7.0