基于PSO-ELM的储能锂电池荷电状态估算

• 作者: 吕宏水 成丽珉 缪家森
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 储能电池 荷电状态估算 粒子群优化算法 极限学习机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电机与电器
• 页码范围: 165-169,199
• 页数: 6页
• 分类号: TM727|TP183
• 字数: 3502字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.01.023

摘要

对锂离子电池荷电状态(SOC)进行准确估算是保证电池管理系统安全稳定运行的关键.常用的安时积分法存在累积误差,卡尔曼滤波算法需要建立精确的电池模型,神经网络法不依赖具体的锂电池模型,能够反映锂电池的非线性关系,因而受到广泛关注,然而传统神经网络估算SOC训练时间长、精度低.针对以往电池SOC估算精度低等问题,文中提出粒子群(PSO)优化极限学习机(ELM)神经网络的方法.以电池电压、电流和温度作为PSO-ELM模型的输入向量,以SOC作为输出向量.将实验获得的数据导入模型进行训练和测试,采用PSO对ELM随机给定的输入权值和隐含层阈值进行寻优.仿真结果表明,与BP神经网络的预测结果相比,文中估算SOC的方法具有更高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	缪家森		1	0	0.0	0.0
5	成丽珉	南京师范大学南瑞电气与自动化学院	1	0	0.0	0.0
6	吕宏水		2	12	1.0	2.0