改进的动量项BP神经网络电池SOC估算

• 作者: 姚和友 张庭芳 曹铭 黄菊花
• 来源期刊: 电池
• 学科: 工学
• 关键词: 动量项 内阻 荷电状态(SOC) BP神经网络 锂离子电池
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 技术交流
• 页码范围: 308-311
• 页数: 4页
• 分类号: TM912.9
• 字数: 3017字
• 语种: 中文
• DOI: 10.19535/j.1001-1579.2019.04.010

摘要

为提高动力电池的荷电状态(SOC)估算精度,延长使用寿命,利用BP神经网络思想,提出基于python编程的改进型自适应动量项BP神经网络算法.以额定容量为29 Ah的三元正极材料锂离子电池为实验对象,在电压、电流和温度的基础上,引入内阻和已放电量作为神经网络模型的输入项,并利用模型的实际输出值和期望值的误差均方差,动态调整每一步迭代过程中的动量项.与传统BP神经网络算法相比,改进后的算法收敛速度提升了80％,估算误差稳定在20％以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄菊花	南昌大学机电工程学院	112	982	16.0	26.0
2	张庭芳	南昌大学机电工程学院	42	344	11.0	16.0
3	曹铭	南昌大学机电工程学院	26	72	5.0	7.0
4	姚和友	南昌大学机电工程学院	1	1	1.0	1.0