锂离子动力电池荷电状态联合估计

作者：杨云龙; 徐自强; 吴孟强^*; 张大庆; 李元勋

来源：科学技术与工程, 2018, 18(22): 60-65.

• 荷电状态
• 萤火虫算法
• 小波神经网络
• 仿真

为了进一步提高锂离子动力电池荷电状态(SOC)的估计精度问题,在分析了电池电压、温度、电流和放电电量对电池SOC值的影响后,提出了一种新颖的混沌萤火虫算法(chaos firefly algorithm,CAF)和小波神经网络(WNN)相结合的锂离子动力电池SOC联合估计方法,该方法首次利用于电池SOC值估计中,通过新颖的混沌萤火虫算法优化小波神经网络,加入动量项优化网络的权值和调整修正参数,提高了网络的学习效率和SOC估计精度。克服神经网络进化缓慢并且容易陷入局部最小的缺陷,通过仿真和电池实际工况下实验,结果表明与WNN算法相比,所提出的方法具有更高的预测精度,均方根误差小于2%,验证了这一算法的可行性和有效性。

• 单位
  电子科技大学; 电子薄膜与集成器件国家重点实验室; 成都汽车产业研究院