基于IGWO-BP神经网络锂电池SOC估算.pdfVIP

第卷第期湖北工业大学学报年月

３９１２０２４０２

Vol．３９No．１JournalofHubeiUniversitofTechnoloFeb．２０２４

ygy

[文章编号]()

１００３－４６８４２０２４０１Ｇ００４６Ｇ０６

基于IGWOＧBP神经网络锂电池SOC估算

１１２

,,

陈梦宇张杰周传建

(,;

１湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室湖北武汉４３００６８

,)

２珠海东帆科技有限公司广东珠海５１９０００

[],,

摘要针对传统神经网络估算电池过程中存在初始权值和阈值对预测精度影响较大的问题引入

BPSOC

(),、

Tent混沌映射和自适应收敛因子对灰狼算法GWO进行改进改善灰狼算法易陷入局部最优后期迭代效率不高

.(,),

的缺点将改进灰狼算法与神经网络模型结合得到神经网络最优

imrovedreWolfalorithmIGWOBPBP

pgyg

,.,.

初始权值和阈值提高预测精度和收敛速度对锂电池充放电实验数据预处理得到样本数据利用MATLAB进

,,、

行仿真验证结果表明IGWOＧBP神经网络算法的预测精度相较于传统BP神经网络算法GWOＧBP神经网络算

,,

法更优基于改进灰狼优化神经网络估算电池的方法的绝对误差能控制在以内有效提高了预测

BPSOC１．５３％

精度和收敛速度.

[];;;;

关键词锂离子电池SOCBP神经网络自适应策略改进灰狼算法

[中图分类号]TM９１２．９[文献标识码]A

[]

电池荷电状态１Ｇ２(,)是电神经