机械设计与制造2023，Vol.384Issue(2) ：189-194.

遗传算法优化神经网络整包电池SOC估计模型

Genetic Algorithm Optimized Neural Network SOC Estimation Model for Battery Packs

张利东 牛志刚 刘瑛
机械设计与制造2023，Vol.384Issue(2) ：189-194.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

遗传算法优化神经网络整包电池SOC估计模型

Genetic Algorithm Optimized Neural Network SOC Estimation Model for Battery Packs

张利东 1牛志刚 1刘瑛2
扫码查看

作者信息

  • 1. 太原理工大学机械与运载工程学院,山西 太原 030024
  • 2. 江铃重型汽车有限公司技术开发研究院,山西 太原 030032
  • 折叠

摘要

针对Back Propagation(BP)神经网络建立的动力电池荷电状态(State of Charge,简称SOC)估计模型存在的精度、稳定性等问题,使用遗传算法(Genetic Algorithm,简称GA),对SOC估计网络模型进行优化.使用以轮盘赌算法配合最佳个体保存法做为遗传算法核心选择算法,避免传统选择算法中最佳个体可能丢失的情况.实验对象选用新能源氢电混动重卡4X2/6X2TFCV的辅助动力电池包.模型考虑了环境温度、放电电压、放电倍率以及直流内阻的影响,对不同隐含层数量对模型估计精度的影响进行了对比分析.测试结果表示,使用遗传算法优化后的神经网络SOC估计模型的精度和稳定性得到大幅提升.

关键词

SOC估计模型/磷酸铁锂电池包/遗传算法/BP神经网络

引用本文复制引用

基金项目

山西省科技重大专项(20181102009)

山西省研究生联合培养基地人才培养项目(2018JD13)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量3
参考文献量7
段落导航相关论文