针对锂离子电池荷电状态（State of Charge, SOC）的预测精度问题,提出了一种基于双重状态转移算法优化的径向基函数（RadialBasisFunction,RBF）神经网络的锂离子电池SOC估算方法。该方法将K-means聚类算法运用于RBF神经网络隐含层个数的确定,并采用状态转移算法（State Transition Algorithm, STA）对K-means聚类算法进行优化,合理确定了RBF神经网络的网络结构。基于最优的网络结构,利用STA调整网络的参数,包括核函数中心点、宽度和连接权值。将训练好的RBF神经网络用于估算锂离子电池SOC。为了证明所提的混合算法的有效性,使用安时积分法和BP神经网络算法进行对比。结果表明,该方法优于其他方法。
类型: 期刊论文
作者: 阳春华,李学鹏,陈宁,周晓君
关键词: 锂离子电池,荷电状态,神经网络,状态转移算法
来源: 控制工程 2019年12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: 中南大学自动化学院
分类号: TM912;TP183
DOI: 10.14107/j.cnki.kzgc.170743
页码: 2235-2240
总页数: 6
文件大小: 1573K
下载量: 67
本文来源: https://www.lunwen66.cn/article/902a4e7fabc635f71fcd50e3.html