基于神经网络的电池SOC估算及优化方法

• 作者: 张振东 朱顺良 李永颖
• 来源期刊: 计算机测量与控制
• 关键词: 锂离子电池 SOC 神经网络 粒子群算法 RMSProp
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 设计与应用
• 页码范围: 185-189,194
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.05.040

摘要

鉴于锂电池高度非线性和时变性使其剩余电量难以精确估算,影响电池的管理和控制;基于BP神经网络模型,在具有随机噪声干扰下,分析和比较不同架构的深度学习模型对电池剩余电量估算的运算时间和泛化性能,并根据粒子群算法(PSO)、基于Nesterov动量的RMSProp变学习率算法优化模型,结合数学规划设计出不同深度的最优构架,并与多种神经网络模型进行比较;根据实验数据和模型估算结果对比表明:此优化算法能有效减少模型的运算时间,在双隐层最优构架下,SOC平均估算误差在0.1左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张振东	上海理工大学机械工程学院	199	1192	16.0	24.0
2	李永颖	上海理工大学机械工程学院	1	0	0.0	0.0
3	朱顺良	国家机动车产品质量检测与监督中心新能源研究所	1	0	0.0	0.0