| 磷酸铁锂电池的SOC预测 |
| |
| 引用本文： | 李国进,董第永,陈双.磷酸铁锂电池的SOC预测[J].计算机仿真,2015,32(3). |
| |
| 作者姓名： | 李国进 董第永 陈双 |
| |
| 作者单位： | 广西大学电气工程学院,广西南宁,530004 |
| |
| 基金项目： | 广西自然科学基金资助项目 |
| |
| 摘 要： | 电池荷电状态(SOC)准确预测是电池管理系统的关键任务.针对过去电池SOC预测精度低等问题,提出了一种采用极限学习机神经网络(ELM)的预测模型,以电池电压和电流作为模型的输入量,SOC作为输出量.在建模过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,降低了随机性给模型造成的影响,提高了模型预测精度.利用实验采集的数据进行模型训练和预测,结果表明,用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM以及传统的BP和SVM相比,具有更高的预测精度和泛化性能.为磷酸铁锂电池的SOC预测提供了一种新的方法.
|
| 关 键 词： | 磷酸铁锂电池 荷电状态 极限学习机 粒子群优化算法 预测 |
Estimation for SOC of LiFePO4 Li-ion Battery |
| |
| LI Guo-jin,DONG Di-yong,CHEN Shuang.Estimation for SOC of LiFePO4 Li-ion Battery[J].Computer Simulation,2015,32(3). |
| |
| Authors: | LI Guo-jin DONG Di-yong CHEN Shuang |
| |
| Abstract: | |
| |
| Keywords: | LiFePO4 Li-ion battery State of charge (SOC) Extreme learning machine Particle swarm optimization (PSO) Estimation |
| 本文献已被 万方数据 等数据库收录！ |
|
