基于PSOBPUKF算法的锂电池SOC估计方法研究
文档名：基于PSOBPUKF算法的锂电池SOC估计方法研究
摘要：锂电池的荷电状态(SOC)是锂电池质量管理的核心之一.基于有效的SOC估计是确保锂电池安全高效工作的必要条件,提出一种利用粒子群算法(PSO)优化反向传播(BP)神经网络,并将优化后的BP神经网络SOC输出值作为无迹卡尔曼滤波(UKF)观测值的锂电池SOC估计方法.使用来自马里兰大学的FUDS工况电池测试数据,将所提的PSO-BP-UKF算法与GA-BP-UKF算法、BP算法进行对比.结果表明,在25℃环境下,PSO-BP-UKF算法的最大偏差<3.17%,平均误差<6.44%,均方根偏差<0.0025,相比GA-BP-UKF算法和BP方法都有较大幅度的提高,说明所提算法具备有效性与实用性.
Abstract：Thestateofcharge(SOC)oflithiumbatteriesisoneofthecoreofqualitymanagementoflithiumbatteries.BasedoneffectiveSOCestimationisalsonecessarytoensurethesafeandefficientoperationoflithiumbatteries,AmethodforestimatingtheSOCoflithiumbatteriesisproposed,whichusesparticleswarmalgorithm(PSO)tooptimizethebackpropagation(BP)neuralnetworkastheobservedvalueoftheunscentedKalmanfilter(UKF).TheproposedPSO-BP-UKFalgorithmiscomparedwiththeGA-BP-UKFalgorithmandtheBPalgorithmusingFUDSoperatingconditionbatterytestdatafromtheUniversityofMaryland.Takingthetestresultsin25℃environment,themaximumdeviationofPSO-BP-UKFalgorithmiswithin3.17%,theaverageerroriswithin6.44%,andtheroot-mean-squaredeviationiswithin0.0025,whichissignificantlyimprovedthanbothGA-BP-UKFalgorithmandBPmethod,andshowsthattheproposedalgorithmistheeffectiveandpractical.
作者：李洋石振刚Author：LIYangSHIZhengang
作者单位：沈阳理工大学信息科学与工程学院,辽宁沈阳110159
刊名：电器与能效管理技术
Journal：LowVoltageApparatus
年，卷(期)：2024, (6)
分类号：TM912
关键词：SOC估计无迹卡尔曼滤波算法锂电池粒子群算法BP神经网络
Keywords：SOCestimationunscentedKalmanfilter(UKF)algorithmlithiumbatteryparticleswarmalgorithm(PSO)BPneuralnetwork
机标分类号：TP14TP393G649.712
在线出版日期：2024年7月19日
基金项目：中国地震局地震科技星火计划公关项目，辽宁省地震局预研项目基于PSO-BP-UKF算法的锂电池SOC估计方法研究[
期刊论文]电器与能效管理技术--2024, (6)李洋石振刚锂电池的荷电状态(SOC)是锂电池质量管理的核心之一.基于有效的SOC估计是确保锂电池安全高效工作的必要条件,提出一种利用粒子群算法(PSO)优化反向传播(BP)神经网络,并将优化后的BP神经网络SOC输出值作为无迹卡尔曼滤波...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于PSO-BP-UKF算法的锂电池SOC估计方法研究Research on SOC Estimation of Lithium Battery Based on PSO-BP-UKF Algorithm
基于PSO-BP-UKF算法的锂电池SOC估计方法研究.pdf
页:
[1]