基于IAF-NARX的车载锂电池SOC实时估算
来源期刊:江西理工大学学报2020年第3期
论文作者:陈德海 邹争明 丁博文 华铭
文章页码:96 - 102
关键词:车载锂电池;荷电状态;NARX;人工鱼群算法;递推最小二乘法;
摘 要:针对现有车载锂电池荷电状态(SOC)估算方法存在误差大、动态模型建立困难及模型适应性差等问题,文章提出一种采用动态神经网络(NARX)来实时估算车载锂电池SOC的方法。首先由改进人工鱼群算法寻优得到最佳NARX的结构参数,以建立初步的锂电池SOC估算模型;其次根据不同工况更新模型中的结构参数,增强估算模型自适应性。估算模型的输入分别为锂电池的电压、电流、欧姆内阻,其中锂电池的欧姆内阻是依据电池模型通过递推最小二乘法在线辨识获取,随温度和电池健康状态(SOH)实时变化。在两种典型工况下做车载锂电池放电试验,并采用两种不同锂电池来验证估计模型的适应性,结果表明该方法的预测精度高、适应性好,两种工况下的估计误差均低于0.045,两种锂电池下的估计误差均不超过0.043。
陈德海,邹争明,丁博文,华铭
江西理工大学电气工程与自动化学院
摘 要:针对现有车载锂电池荷电状态(SOC)估算方法存在误差大、动态模型建立困难及模型适应性差等问题,文章提出一种采用动态神经网络(NARX)来实时估算车载锂电池SOC的方法。首先由改进人工鱼群算法寻优得到最佳NARX的结构参数,以建立初步的锂电池SOC估算模型;其次根据不同工况更新模型中的结构参数,增强估算模型自适应性。估算模型的输入分别为锂电池的电压、电流、欧姆内阻,其中锂电池的欧姆内阻是依据电池模型通过递推最小二乘法在线辨识获取,随温度和电池健康状态(SOH)实时变化。在两种典型工况下做车载锂电池放电试验,并采用两种不同锂电池来验证估计模型的适应性,结果表明该方法的预测精度高、适应性好,两种工况下的估计误差均低于0.045,两种锂电池下的估计误差均不超过0.043。
关键词:车载锂电池;荷电状态;NARX;人工鱼群算法;递推最小二乘法;