电源技术
電源技術
전원기술
CHINESE JOURNAL OF POWER SOURCES
2013年
6期
963-965,986
,共4页
项宇%刘春光%苏建强%阳贵兵
項宇%劉春光%囌建彊%暘貴兵
항우%류춘광%소건강%양귀병
锂离子电池%荷电状态%BP神经网络%遗传算法
鋰離子電池%荷電狀態%BP神經網絡%遺傳算法
리리자전지%하전상태%BP신경망락%유전산법
Li-ion power battery%SOC%,BP neural network%genetic algorithm
锂离子动力电池内部化学反应复杂,充放电特性易受温度、老化等因素影响,致使其SOC值预测具有很强的非线性特性.而BP神经网络具有较强的非线性逼近能力,所以研究了基于BP神经网络的锂离子动力电池SOC预测模型.针对模型预测误差较大这一问题,采用遗传算法优化BP神经网络的权值和阈值.通过测试得到模型的预测误差绝大部分在2％以内,并通过仿真验证了模型的可行性.
鋰離子動力電池內部化學反應複雜,充放電特性易受溫度、老化等因素影響,緻使其SOC值預測具有很彊的非線性特性.而BP神經網絡具有較彊的非線性逼近能力,所以研究瞭基于BP神經網絡的鋰離子動力電池SOC預測模型.針對模型預測誤差較大這一問題,採用遺傳算法優化BP神經網絡的權值和閾值.通過測試得到模型的預測誤差絕大部分在2％以內,併通過倣真驗證瞭模型的可行性.
리리자동력전지내부화학반응복잡,충방전특성역수온도、노화등인소영향,치사기SOC치예측구유흔강적비선성특성.이BP신경망락구유교강적비선성핍근능력,소이연구료기우BP신경망락적리리자동력전지SOC예측모형.침대모형예측오차교대저일문제,채용유전산법우화BP신경망락적권치화역치.통과측시득도모형적예측오차절대부분재2％이내,병통과방진험증료모형적가행성.
