基于蚁群神经网络算法的电池健康状态估计

• 作者: 李晓宇 李沛森 王泽林 肖仁鑫
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: SOH 神经网络 蚁群算法 锂离子电池
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 研究与设计
• 页码范围: 916-919
• 页数: 4页
• 分类号: TM912
• 字数: 2667字
• 语种: 中文

摘要

电池健康状态(SOH)是进行电池健康监管和维护的重要依据.以某种车用磷酸铁锂单体电池为实验对象,提出了一种蚁群算法优化后的神经网络算法,以电池直流内阻定义SOH,并将该算法应用到电池健康状态估计模型.结果表明所提出的模型和方法预测电池最大直流内阻误差为0.1 mΩ,平均误差为0.049 mΩ,表明该方法能较为准确地预测电池直流内阻,实时反映电池的健康状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖仁鑫	昆明理工大学交通工程学院	18	77	4.0	8.0
2	李晓宇	昆明理工大学交通工程学院	8	22	4.0	4.0
3	王泽林	昆明理工大学交通工程学院	3	12	2.0	3.0
4	李沛森	昆明理工大学交通工程学院	3	13	2.0	3.0