| 基于IBAS-NARX神经网络的锂电池荷电状态估计 |
| |
| 作者姓名： | 曹新宇 彭飞 李立伟 尹建光 |
| |
| 作者单位： | 青岛大学电气工程学院,山东 青岛 266071;青岛大学威海创新研究院,山东 威海 264229;国网山东省电力公司电力科学研究院,山东 济南 250002 |
| |
| 摘 要： | 在使用神经网络方法估计锂电池荷电状态时,传统荷电状态适应度评价函数存在仅考虑均方误差等网络权值参数的缺点,忽略了拓扑参数对模型的影响.故本文提出在适应度评价函数设计中综合考虑输入/输出时序相关性、隐层神经元数量等模型拓扑参数和网络权值参数的加权影响,并将其引入带外部输入非线性自回归神经网络建模方法的锂电池荷电状态估计中,进而基于改进天牛须搜索算法实现了上述模型拓扑参数与网络权值参数的协同辨识优化.仿真结果表明,本文所提出方法能够提高多种复杂工况下的锂电池荷电状态估计精度,在DST标准工况和WLTC标准工况下锂电池荷电状态的均方根误差分别达到3.38×10?3和8.75×10?4,相比于未经改进的天牛须搜索算法优化NARX神经网络在均方根误差上估计精度分别提升了42.4％和20.5％.
|
| 关 键 词： | 锂电池 荷电状态估计 天牛须搜索算法 NARX神经网络 |
SOC estimation of lithium battery based on IBAS-NARX neural network model |
| |
| Authors: | CAO Xinyu PENG Fei LI Liwei YIN Jianguang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
