电源技术
電源技術
전원기술
CHINESE JOURNAL OF POWER SOURCES
2013年
5期
800-803
,共4页
电动汽车%SOC%粒子群%神经网络
電動汽車%SOC%粒子群%神經網絡
전동기차%SOC%입자군%신경망락
为了解决纯电动汽车电池剩余电量估算难题,采用粒子群优化神经网络方法,用于BP(Back Propagation,BP)神经网络权值和阈值优化,并把优化后的神经网络用于荷电状态(SOC)离散估算.以100 Ah LiFePO4电池作为实验对象采集实验数据,将温度、充放电倍率和充放电电压作为PSO-BP(Particle Swarm Optimization,PSO)神经网络输入特征向量,将电池SOC作为输出向量进行网络学习和训练,用训练好的网络对不同充放电倍率下SOC进行离散点预测,采用插值估算实现实时预测.实验结果表明,PSO-BP算法对SOC值为20％～ 80％区间估算准确,能够满足电动汽车正常运行的SOC估算要求.
為瞭解決純電動汽車電池剩餘電量估算難題,採用粒子群優化神經網絡方法,用于BP(Back Propagation,BP)神經網絡權值和閾值優化,併把優化後的神經網絡用于荷電狀態(SOC)離散估算.以100 Ah LiFePO4電池作為實驗對象採集實驗數據,將溫度、充放電倍率和充放電電壓作為PSO-BP(Particle Swarm Optimization,PSO)神經網絡輸入特徵嚮量,將電池SOC作為輸齣嚮量進行網絡學習和訓練,用訓練好的網絡對不同充放電倍率下SOC進行離散點預測,採用插值估算實現實時預測.實驗結果錶明,PSO-BP算法對SOC值為20％～ 80％區間估算準確,能夠滿足電動汽車正常運行的SOC估算要求.
위료해결순전동기차전지잉여전량고산난제,채용입자군우화신경망락방법,용우BP(Back Propagation,BP)신경망락권치화역치우화,병파우화후적신경망락용우하전상태(SOC)리산고산.이100 Ah LiFePO4전지작위실험대상채집실험수거,장온도、충방전배솔화충방전전압작위PSO-BP(Particle Swarm Optimization,PSO)신경망락수입특정향량,장전지SOC작위수출향량진행망락학습화훈련,용훈련호적망락대불동충방전배솔하SOC진행리산점예측,채용삽치고산실현실시예측.실험결과표명,PSO-BP산법대SOC치위20％～ 80％구간고산준학,능구만족전동기차정상운행적SOC고산요구.
