首页|基于GWO-BP神经网络的电池SOC预测方法研究

基于GWO-BP神经网络的电池SOC预测方法研究

RESEARCH ON PREDICTION METHOD OF BATTERY SOC BASED ON GWO-BP NETWORK

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了进一步提高传统BP神经网络在电动汽车电池SOC预测中的精度,基于电动汽车云平台的以10 s为采样周期的电池运行数据,对电动汽车电池SOC的预测方法进行研究.对云平台数据进行预处理,选择电池包电压、电流和平均温度作为神经网络的输入;同时根据电流的特点,分别建立充电和放电过程的SOC神经网络预测模型;采用一种基于灰狼优化算法的BP神经网络(GWO-BP),通过灰狼优化算法优化BP神经网络的初始权值和阈值,从而减小神经网络预测误差;利用2503组云平台数据对未优化的BP神经网络、GWO-BP神经网络和粒子群优化的BP神经网络(PSO-BP)进行测试实验.实验结果表明,GWO-BP神经网络的放电过程平均误差为0.48％,充电过程平均误差为0.34％,明显高于未优化的BP神经网络和PSO-BP神经网络,具有较高的预测精度.

鲍伟、任超

展开 >

合肥工业大学电气与自动化工程学院 安徽合肥230009

工业自动化安徽省工程技术研究中心 安徽合肥230009

电动汽车 电池荷电状态(SOC) BP神经网络 灰狼优化算法

51405122

2022

10.3969/j.issn.1000-386x.2022.09.010

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(9)
  • 7
  • 13