基于极限学习机的磷酸铁锂电池SOC估算研究

• 作者: 宋绍剑 林小峰 王志浩
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 磷酸铁锂电池 荷电状态 ELM BP神经网络 SVM
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究与设计
• 页码范围: 806-808,881
• 页数: 4页
• 分类号: TM912
• 字数: 3473字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-087X.2018.06.015

摘要

SOC(state of charge)的准确估算是电池管理系统的重要目标之一.针对传统神经网络方法在磷酸铁锂电池SOC估算中存在计算复杂、学习时间过长的问题,提出了一种新的基于ELM(extreme learning machine)的电池SOC估算方法.利用电池充放电系统完成磷酸铁锂电池在不同电流下的放电实验,获得实时测量的电压、电流.运用实验获得的数据对模型进行训练和预测,将预测效果与BP(back propagation)神经网络和SVM(support vector machine)进行对比,研究ELM在SOC预测中的可行性和优势.经分析可知,基于ELM的磷酸铁锂电池荷电状态估算模型的精度更高,并且网络训练速度得到大幅提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋绍剑	广西大学电气工程学院	83	322	9.0	13.0
2	林小峰	广西大学电气工程学院	110	503	11.0	14.0
3	王志浩	广西大学电气工程学院	4	32	3.0	4.0