-
题名基于FA-BP神经网络的锂离子电池SOH估算
被引量：14
- 1
-
-
作者
吴铁洲
刘思哲
张晓星
吴麟章
-
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
-
出处
《电池》
CAS
北大核心
2021年第1期21-25,共5页
-
基金
国家自然科学基金(51677058)
湖北省技术创新专项重大项(2018AAA056)。
-
文摘
采用萤火虫算法(FA)优化BP神经网络对锂离子电池进行健康状态(SOH)估算,利用FA算法全局寻优的能力和收敛速度快的特点,优化BP神经网络的权值和阈值,解决BP神经网络容易陷入局部最小值和收敛速度慢的问题。对单体磷酸铁锂正极锂离子电池进行充放电实验,选用一阶RC电路模型,利用递推最小二乘法在线辨识模型参数,将电池的欧姆内阻、极化内阻和极化电容作为模型的输入参数。与BP神经网络算法相比,FA-BP神经网络优化算法估算SOH的误差波动范围减小2.50%,最大误差减少3.00%,平均误差减小1.68%,且具备良好的收敛性。
-
关键词
萤火虫算法(FA)
锂离子电池
BP神经网络
一阶rc电路模型
健康状态(SOH)
-
Keywords
firefly algorithm(FA)
Li-ion battery
BP neural network
first-order rc circuit model
state of health(SOH)
-
分类号
TM912.9
[电气工程—电力电子与电力传动]
-
-
题名基于改进粒子群算法辨识电池参数估算SOC
被引量：3
- 2
-
-
作者
刘继超
王维庆
王海云
邓永存
-
机构
新疆大学可再生能源发电与并网技术教育部工程研究中心
中国铁路上海局集团有限公司
-
出处
《电池》
CAS
CSCD
北大核心
2020年第1期65-69,共5页
-
基金
国家自然科学基金(51667020)
新疆维吾尔自治区“天山雪松”人才培养计划(2017XS02)
+1 种基金
新疆维吾尔自治区重点实验室开放课题(2018D04005)
“风力发电系统智能控制及并网技术”教育部创新团队(IRT_16R63)
-
文摘
针对电池模型多参数辨识的问题及传统辨识算法收敛精度差、收敛速度慢的问题,提出基于改进粒子群算法的参数辨识方法,并与无迹卡尔曼滤波(UKF)算法相结合,估算电池荷电状态(SOC)。根据一阶RC等效电路模型,采用双线性变换进行离散化处理得到辨识模型;引入学习因子(Pai)、非线性多尺度学习策略和免疫综合学习策略,改进算法,提高粒子群算法的全局寻优能力与收敛精度,实现在线辨识电池参数;根据电池综合状态系统估算SOC。仿真结果表明,相对于基本粒子群相对误差约为6%,该算法的相对误差约为3%,且波动较小,可更准确地估算电池的SOC。
-
关键词
一阶rc等效电路模型
双线性变换
无迹卡尔曼滤波(UKF)算法
改进粒子群
-
Keywords
first-order rc equivalent circuit model
bilinear transformation
unscented Ka lman fi lter(UKF)algorithm
improved particle swarm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM91
[电气工程—电力电子与电力传动]
-
