基于LFOA-GRNN模型的矿用锂电池SOC预测

• 作者: 丁博文 潘韦驰 陈德海
• 来源期刊: 现代电子技术
• 关键词: 矿用锂电池 SOC预测 GRNN LFOA 模型建立 仿真分析
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 能源技术
• 页码范围: 115-118
• 页数: 4页
• 分类号: TN86-34|TM912.9
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.06.028

摘要

针对矿用电动汽车锂电池SOC预测易受到工况环境影响、建模复杂、预测误差大等问题,该文将电池端电压、放电电流、环境温度、湿度作为SOC的表征因子,构成样本集以训练广义回归神经网络(GRNN),再引入具有Levy飞行特征的双子群果蝇优化算法(LFOA)优化GRNN的平滑因子σ.LFOA结合了Levy飞行搜索和果蝇优化算法的优点,全局搜索能力更强,收敛速度更快.仿真结果表明,经LFOA优化的GRNN能更快地搜索到合适的σ,并有效预测电池任一充放电状态下的SOC,与FOA-GRNN模型比较,LFOA-GRNN模型预测精度更高、时间更短,最大绝对误差不超过0.03,具有较好的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德海		44	175	8.0	11.0
2	潘韦驰		7	0	0.0	0.0
3	丁博文		4	0	0.0	0.0