基于PSO-RBF神经网络的锂电池SOC估算

• 作者: 张义哲 高俊岭
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 锂电池 SOC RBF PSO
• 年，卷（期）: 2020,（2）
• 页码范围: 37-41
• 页数: 5页
• 分类号: TM912
• 字数: 3433字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2020.0002.006

摘要

针对电动汽车锂电池荷电状态(State Of Charge,SOC)的精准估算,提出一种优化的径向基(Radial Basis Function,RBF)神经网络算法;通过粒子群(Particle Swarm Optimization,PSO)算法优化RBF神经网络的参数及结构,确定RBF神经网络中的基函数的宽度以及中心;根据锂电池的充、放电机理,将SOC的影响因子电压(U)、电流(I)、内阻(R)、温度(T)作为输入向量,在Matlab中进行仿真实验;实验表明方法能够实现准确、快速、便捷的锂电池的SOC估算,其预测结果和实际测量结果的误差在4％以下,符合SOC预测误差5％的技术指标要求,对于电动汽车锂电池SOC的估算有着一定的实际应用意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高俊岭	安徽理工大学电气与信息工程学院	27	120	7.0	10.0
2	张义哲	安徽理工大学电气与信息工程学院	1	1	1.0	1.0