为提高锂离子电池荷电状态(SOC)预测精度,提出利用回溯搜索算法(BSA)优化径向基函数(RBF)神经网络的输出权值与阈值的混合算法.通过对锂电池模型中的目标函数进行优化求解,并寻找最佳的目标权值和阈值降低预测误差,提高了RBF网络模型的预测精度.为验证算法的有效性,搭建锂离子电池的充放电实验平台获取数据并对网络进行验证,实验结果表明:混合算法相比标准RBF网络算法具有更好的SOC预测精度,并将网络输出预测误差降低到2%以内,符合锂电池荷电状态估算要求.
类型: 期刊论文
作者: 李占英,时应虎,张海传,孙静雯
关键词: 锂离子电池,回溯搜索算法,径向基神经网络,荷电状态,目标函数
来源: 华中科技大学学报(自然科学版) 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 大连工业大学信息科学与工程学院
基金: 国家自然科学基金资助项目(51337001)
分类号: TP18;TM912
DOI: 10.13245/j.hust.191212
页码: 67-72
总页数: 6
文件大小: 871K
下载量: 135
本文来源: https://www.lunwen66.cn/article/57f380d1d854f48377ae74a6.html