基于自适应灾变遗传-循环神经网络的锂离子电池SOC估计

• 作者: 陈诚 皮志勇 赵英龙 廖玄 张明敏 李勇
• 来源期刊: 电气工程学报
• 学科: 工学
• 关键词: 锂离子电池 荷电状态 循环神经网络 自适应灾变遗传算法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 特邀专栏
• 页码范围: 86-94
• 页数: 9页
• 分类号: TM912
• 语种: 中文
• DOI: 10.11985/2022.01.012

摘要

锂离子荷电状态(State of charge,SOC)的精准估计是锂离子电池安全稳定运行的基础.传统的误差反向传播(Back propagation,BP)神经网络估计SOC的精度不高,而循环神经网络(Recurrent neural network,RNN)也容易陷入局部最优.针对这些问题,提出了自适应灾变遗传-循环神经网络(ACGA-RNN)联合算法,将自适应灾变遗传算法(Adaptive cataclysm genetic algorithm,ACGA)用于优化RNN的初始权值和阈值,提高了最优权值和阈值的全局搜索能力,从而有效提升锂离子电池SOC的估计精度.基于锂离子电池充放电的试验数据,将所提ACGA-RNN联合算法与RNN、GA-RNN算法分别用于锂离子电池的SOC估计.测试结果显示,相较于传统的RNN算法与GA-RNN算法,提出的ACGA-RNN联合算法获得了最佳的SOC估计精度,在DST工况下的估计平均绝对误差为1.74％,低于传统RNN和GA-RNN的估计精度3.68％和2.49％;另外,在45℃和0℃条件下,ACGA-RNN联合算法估计的平均绝对值误差分别为1.75％和2.05％,符合国家标准要求.因此,提出的ACGA-RNN联合算法在锂电池的SOC估计方面具有良好的应用价值.