基于神经网络模型的动力电池SOC估计研究.pdfVIP

第 32卷第 1期 机 电 工 程 Vo1．32No．1 2015年 1月 JournalofMechanical Electrical Engineering Jan．2015 DOI：10．3969／j．issn．1001—4551．2015．01．024 基于神经网络模型的动力电池 SOC估计研究 蔡 信，李 波，汪宏华，聂 亮 (国网浙江省电力公司 电动汽车服务分公司，浙江 杭州 310007) 摘要：针对电动汽车动力电池荷电状态 (SOC)的估计问题 ，对动力电池的荷电状态估计方法进行 了研究。对电池荷电状态的影响 因素进行了归纳，提出了基于反向传播神经网络(BP神经网络)的动力电池荷电状态估计方法。利用汽车仿真软件ADVISOR对电 动汽车行驶典型的汽车测试工况进行 了模拟 ，得到了电动汽车动力电池荷电状态与电池的充放电电流、温度之间的关系。对得到 的训练样本数据进行了归一化处理，经过训练，得到基于BP神经网络的动力电池荷电状态估计模型。同样，利用 ADVISOR软件得 到的测试数据 ，对得到的神经网络模型进行了测试。研究结果表明，该模型的估计值和输出值之间的误差最大值为4％左右，模型 的精度符合动力电池荷电状态估计的使用要求。 关键词：电动汽车；电池荷电状态 ；神经网络 中图分类号：TM911；TP24 文献标志码：A 文章编号：1001—4551(2015)01—0128—05 Estimationofstate—of-chargeforelectricvehiclepower batterywithneuralnetwork method CAIXin，LIBo，WANG Hong—hua，NIE Liang (StateGridZhejiangElectricVehicleCompany，Hangzhou，310007，China) Abstract：Aimingatestimatingstate—of-chargeofelectricvehiclebatteriesprecisely，studyOnmodelingstate—of-charge(SOC)wasinvestiga— ted．AfteranalyzingeffectfactorsofSOC，amodelofSOConBPncuralnetworkwasestablished．ElectricvehiclesimulationsoftwareADVI— SOR wasusedtosimulateanelectricvehicleontypicaldrivingcycles．Therelationshipbetweencurrent．temperatureandSOCwasderived throughsimulation．Afternormalizationofthetrainingdataandtrainingtheneuralnetwork，aSOCestimationmodelbasedonBPneuralnet— workwasderived．Themodelwastestedbytestingdataobtained byADVISOR．Theresultsindicatethatthemaximum errorbetweenthe modelestimationandactual valuesis4％ ．whichcansatisfytherequirementsofactualuseofSOC． Keywords：electricvehicle；stateof-charge(SOC)；neuralnetwork 统的重点问题之一。 0 引 言 常用的电池 SOC估计方法可 以分为 以下几类 ： 动力电池的电能容量大小使用荷 电状态(SOC)进 ①基于安时积分法的电池 SOC估计