BP神经网络在线优化卡尔曼滤波算法在钒电池SOC估算中的应用

• 作者: 曹弘飞 朱新坚
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 钒电池 荷电状态(SOC)估算 卡尔曼滤波算法 BP神经网络 储能
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 电池储能本体技术
• 页码范围: 9-14
• 页数: 6页
• 分类号: TM73
• 字数: 5451字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2018.04.002

摘要

针对传统卡尔曼滤波法在钒电池荷电状态(state of charge,SOC)估算中将电池内部模型参数作为恒定值,而导致误差增大的缺陷,该文使用反向传播(back propagation,BP)神经网络在线更新卡尔曼滤波过程的参数值,以提高参数的精度.选用常见的戴维南(Thevenin)等效电路模型,通过神经网络更新内部欧姆内阻R0和极化电阻Rp、电容Cp完成卡尔曼滤波过程的优化,使系统模型卡尔曼滤波估算中的每一步都得到更新,从而弥补了上述传统算法的缺陷.同时,该文还设计了电池测试试验,通过对数据的检验以及与双卡尔曼滤波的优化方式的结果进行对比,验证了神经网络优化的方法较双卡尔曼滤波优化能更好地体现出系统的动态特性,估算的结果具有更高的精度和更好的收敛性,证明了该方法非常适用于钒电池系统的实时SOC估计,具有理论与应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱新坚	上海交通大学机械与动力工程学院	231	2594	23.0	40.0
2	曹弘飞	上海交通大学机械与动力工程学院	4	18	3.0	4.0