基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
结合安时法估算电池SOC,用BP神经网络估计公式中需要的参数.电池的初始SOC用开路电压法获得,库仑效率的变化可以在估计电池电容时得到体现,其值设定为1,用循环次数和SOC值对电池充放电效率进行网络估计.用温度和电池的平均放电电流对电池电容进行网络估计.通过实验和估计得出在20℃下,新方法的误差在2.89%左右,-20℃下误差在3.25%左右,误差范围满足应用的需要.
推荐文章
电池储能系统SOC神经网络融合估计方法
电池储能系统
SOC融合估计
相关性分析
经验模态分解
样本熵
基于DEPSO-RBF神经网络的锌银电池SOC估计
电池容量
径向基函数
神经网络
差分进化粒子群优化算法
基于LSTM循环神经网络的电池SOC预测方法
锂离子电池
荷电状态(SOC)
电动汽车
长短期记忆(LSTM)
循环神经网络
基于神经网络的电池SOC估算及优化方法
锂离子电池
SOC
神经网络
粒子群算法
RMSProp
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 人工神经网络和安时法电池SOC估计
来源期刊 电源技术 学科 工学
关键词 BP神经网络 安时法 SOC 估计
年,卷(期) 2016,(9) 所属期刊栏目 研究与设计
研究方向 页码范围 1842-1844
页数 3页 分类号 TM912
字数 2035字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郑娇 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (312)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (14)
二级引证文献  (2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
BP神经网络
安时法
SOC
估计
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
论文1v1指导