基于改进灰狼算法优化核极限学习机的锂电池动力电池荷电状态估计

作者：赵超^*; 王延峰; 林立

来源：信息与控制, 2021, 50(06): 731-739.

DOI：10.13976/j.cnki.xk.2021.0042

• 灰狼算法
• 混沌映射
• 高斯变异
• 核极限学习机
• SOC估计

动力电池荷电状态(SOC)是电动汽车电池管理系统(BMS)的一个重要技术指标,针对锂电池SOC难以精确估算的问题,提出一种基于改进灰狼算法(IGWO)优化核极限学习机(KELM)的SOC估计方法.为了克服标准GWO算法存在早熟收敛、易陷入局部最优等缺陷,算法首先采用混沌映射和反向学习策略产生初始灰狼种群,其次引入收敛因子非线性调整机制来提升算法的整体收敛速度,最后利用高斯变异及贪婪选择算子更新最优解位置,以降低算法陷入局部极值的概率.通过5个标准测试函数的仿真实验证明了该算法具有更好的寻优能力.利用IGWO算法对核极限学习机的参数进行寻优,并建立起基于KELM的电池SOC估计模型,分别采用美国城市动态循环驱动工况(UDDS)模拟工况下数据和恒流放电实验数据进行仿真研究,结果表明本文所提的方法估算效果优于ELM、 KELM、 GWO-KELM、扩展卡尔曼滤波器(EKF)和无迹卡尔曼滤波器(UKF),对锂电池系统优化管理具有指导意义.

• 单位
  福州大学