基于PSO-RBF算法的锂电池SOH研究与预测

作者：吴桂才

来源：机电工程技术, 2021, 50(12): 101-104.

• 锂电池SOH
• PSO-RBF
• 预测

为了寻找锂电池充电的最优策略,采用建立模型的方法进行研究与预测充电策略的优劣。电池健康管理状态(State ofHealth)反映了锂电池的剩余寿命,一般作为锂电池充电策略优劣的一个评判标准。在实际应用中,不同的充放电策略对锂电池的SOH有不同的影响,由于对锂电池SOH影响因子很多,各影响因子之间相互耦合,实验验证极其复杂。RBF神经网络是一种比较常用的预测性神经网络,PSO算法是一种较为先进的优化网络参数的算法,将PSO算法和RBF神经网络融合,借助大量实验数据,训练RBF神经网络,使用PSO算法优化其网络参数,建立基于PSO-RBF算法的锂电池SOH预测模型,再将不同充电策略进行仿真验证。仿真结果表明,该模型预测能力优于普通RBF模型,可作为锂电池最优充放电策略验证的最优模型。