《机电工程》杂志,月刊( 详细... )
中国标准连续出版物号: ISSN 1001-4551 CN 33-1088/TH
主办单位:浙江省机电集团有限公司
浙江大学
主编:陈 晓
副 主 编:唐任仲、罗向阳(执行主编)
总 经 理:罗向阳
出 版:浙江《机电工程》杂志社有限公司
地 址:杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel:+86-571-87041360、87239525
E-mail:meem_contribute@163.com
国外发行:中国国际图书贸易总公司
订阅:全国各地邮局 国外代号:M3135
国内发行:浙江省报刊发行局
邮发代号:32-68
广告发布登记证:杭上市管广发G-001号
在线杂志 |
当前位置: 机电工程 >>在线杂志 |
基于遗传神经网络的电动汽车锂电池SOC预测*
作者:黄耀波1,唐海定1,章 欢2,翁国庆2* 日期:2014-01-13/span> 浏览:2841 查看PDF文档
基于遗传神经网络的电动汽车锂电池SOC预测*
黄耀波1,唐海定1,章 欢2,翁国庆2*
(1. 浙江工业大学 健行学院, 浙江 杭州 310023; 2. 浙江工业大学 信息工程学院, 浙江 杭州 310023)
摘要: 针对传统方法在电动汽车锂电池荷电状态(State of Charge,SOC)预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法。该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性。研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题。
关键词: 电动汽车; 锂电池; SOC预测; 遗传神经网络
中图分类号: U469.72; TM93 文献标识码: A 文章编号: 1001-4551(2013)10-1255-04
本文的文献著录格式:
黄耀波,唐海定,章 欢,翁国庆.基于遗传神经网络的电动汽车锂电池SOC预测[J].机电工程,2013,30(10):87-90.
HUANG Yao-bo, TANG Hai-ding, ZHANG Huan, WENG Guo-qing.Prediction of lithium-ion battery SOC in EV based on genetic neural network[J].Journal of Mechanical & Electrical Engineering,2013,30(10):87-90.
友情链接