Print

基于人工智能的锂电池SOC预测建模与优化

论文摘要

为了实现退役动力锂电池荷电状态（State of Charge,SOC）的预测,针对退役锂离子电池特殊的非线性关系,提出自适应法和列文伯格算法（Levenberg-Marquardt,LM）相结合优化BP神经网络估算退役锂电池SOC的VLLM动态模型,并验证了随机工况下退役锂电池SOC预测的可靠性。实验结果表明,该模型用优化神经网络法估算SOC的误差能控制在1%以内,随机工况误差在5%以内,提高了退役锂电池SOC的预测精度,为退役锂电池的梯次利用奠定了基础。

论文目录

  • 0 引言
  • 1 基于VLLM算法优化BP神经网络
  •   1.1 BP神经网络
  •     1.1.1 输入层模型
  •     1.1.2 隐层单元节点数
  •     1.1.3 输出层模型
  •   1.2 VLLM算法优化网络模型
  •     1.2.1 LM算法原理
  •     1.2.2 可变学习因子优化BP网络模型
  •     1.2.3 VLLM优化BP网络算法流程
  • 2 SOC预测及结果分析
  •   2.1 参数归一化
  •   2.2 电芯测试
  •   2.3 随机工况测试
  • 3 结束语

    • 文章来源

    类型: 期刊论文

    作者: 刘聪聪,李珺凯,刘凯文,张持健

    关键词: 退役锂电池,神经网络,随机工况,预测

    来源: 无线电通信技术 2019年03期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业,自动化技术

    单位: 安徽师范大学物理与电子信息学院

    基金: 安徽省重点科技攻关项目(1804a09020099)

    分类号: TM912;TP18

    页码: 237-242

    总页数: 6

    文件大小: 3009K

    下载量: 361

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8ae57f82f41076ea14de7093.html