摘要
针对混合动力电动汽车(HEV)电池荷电状态(SOC)预测问题,引入贝叶斯极限学习机(BELM)方法。对极限学习机和贝叶斯线性回归的基本原理进行详细介绍,为提高极限学习机的拟合和泛化能力,采用贝叶斯方法来优化极限学习机输出层的权重。在循环工况条件下选择电池的工作电压、工作电流和表面温度参数用来预测电池SOC的实时值,同时兼顾HEV再生制动时的能量回馈过程。高级车辆仿真软件ADVISOR下的仿真结果和实际实验结果均表明:所设计的预测模型具有较高的准确度,能够实时准确地预测出SOC值,实用性强且有效性高。
In order to predict the battery＇s state of charge（ SOC） in the hybrid electric vehicles（ HEV）,the Bayesian extreme learning machine（ BELM） is utilized. The basic principles of the extreme learning machine and the Bayesian linear regression are introduced in detail. To improve the abilities of fitting and generalization of the ELM,the Bayesian linear regression is used to optimize the weights of the output layer. The working voltage,the current,and the surface temperature of the battery are chosen to predict the real-time value of SOC under the driving cycle. At the same time, the energy feedback process is taken into account when the HEV is under regenerative braking model. Both the simulation results under ADVISOR and the experimental results indicate that the proposed prediction model has higher predicted accuracy and can achieve real-time and accurate SOC prediction.
出处
《电工技术学报》
EI
CSCD
北大核心
2016年第9期189-196,共8页
Transactions of China Electrotechnical Society
基金
国家自然科学基金(51377074)
江苏省优势学科建设工程项目(苏政办发[2011]6号)
江苏省自然科学基金青年基金(BK20150246)
江苏高校自然科学基金(15KJB470004)
江苏理工学院人才引进项目(KYY15009)资助
关键词
贝叶斯
极限学习机
混合动力电动汽车
荷电状态
Bayesian
extreme learning machine
hybrid electric vehicles
state of charge
作者简介
王琪 男，1987年生，博士，研究方向为混合动力汽车复合电源能量管理系统关键技术。E-mail：wangqitz@163．com（通信作者）
孙玉坤 男，1958年生，教授，博士生导师，研究方向为特种电机运行控制及新能源汽车关键技术。E-mail：syk@ujs．edu．cn
