如需要完整文档点击下方 "点击下载文档" 按钮

锂离子荷电状态(State of charge,SOC)的精准估计是锂离子电池安全稳定运行的基础。传统的误差反向传播(Back propagation,BP)神经网络估计SOC的精度不高,而循环神经网络(Recurrent neural network,RNN)也容易陷入局部最优。针对这些问题,提出了自适应灾变遗传-循环神经网络(ACGA-RNN)联合算法,将自适应灾变遗传算法(Adaptive cataclysm genetic algorithm,ACGA)用于优化RNN的初始权值和阈值,提高了最优权值和阈值的全局搜索能力,从而有效提升锂离子电池SOC的估计精度。基于锂离子电池充放电的试验数据,将所提ACGA-RNN联合算法与RNN、GA-RNN算法分别用于锂离子电池的SOC估计。测试结果显示,相较于传统的RNN算法与GA-RNN算法,提出的ACGA-RNN联合算法获得了最佳的SOC估计精度,在DST工况下的估计平均绝对误差为1.74%,低于传统RNN和GA-RNN的估计精度3.68%和2.49%;另外,在45 ℃和0 ℃条件下,ACGA-RNN联合算法估计的平均绝对值误差分别为1.75%和2.05%,符合国家标准要求。因此,提出的ACGA-RNN联合算法在锂电池的SOC估计方面具有良好的应用价值。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于自适应灾变遗传-循环神经网络的锂离子电池SOC估计*》

将 完整文档 下载到本地，方便收藏和查阅

文件号：195123

点击下载文档