文档名：基于IGWOBP神经网络的锂离子电池SOC估计
摘要：针对单一的BP神经网络在进行锂离子电池的荷电状态(stateofcharge,SOC)估计时存在估计精度不高的问题,提出了一种基于改进灰狼优化算法(improvedgreywolfoptimizationalgorithm,IGWO)的BP神经网络来估计锂离子电池SOC的方法.通过采用改进的灰狼优化算法来优化BP神经网络的权值和阈值,来克服单一的BP神经网络容易陷入局部最优的缺陷,并且加快了收敛速度.经仿真实验表明,BP神经网络估计锂电池SOC的平均绝对误差为6.39％,而基于IGWO-BP神经网络估计锂电池SOC的平均绝对误差为1.45％,相比于单一的BP神经网络,平均绝对误差减少了4.94％,证明提出的算法提高了SOC的估计精度.
作者：于仲安 邵昊晖 陈可怡Author：YUZhongan SHAOHaohui CHENKeyi
作者单位：江西理工大学电气工程与自动化学院,江西赣州341000
刊名：电源技术 ISTICPKU
Journal：ChineseJournalofPowerSources
年，卷(期)：2023, 47(9)
分类号：TM912
关键词：锂离子电池 荷电状态 BP神经网络 灰狼优化算法
Keywords：lithiumionbattery stateofcharge BPneuralnetwork greywolfoptimizationalgorithm
机标分类号：TP391.41TM912TP206
在线出版日期：2023年10月20日
基金项目：江西省教育厅立项课题基于IGWO-BP神经网络的锂离子电池SOC估计[
期刊论文] 电源技术--2023, 47(9)于仲安 邵昊晖 陈可怡针对单一的BP神经网络在进行锂离子电池的荷电状态(stateofcharge,SOC)估计时存在估计精度不高的问题,提出了一种基于改进灰狼优化算法(improvedgreywolfoptimizationalgorithm,IGWO)的BP神经网络来估计锂离子电池...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IGWO-BP神经网络的锂离子电池SOC估计 SOC estimation of lithium ion battery based on IGWO-BP neural network
基于IGWO-BP神经网络的锂离子电池SOC估计.pdf
- 文件大小:
- 2.45 MB
- 下载次数:
- 60
-
高速下载
|
