首页|基于WOA-BP神经网络的锂离子电池健康状态估算

基于WOA-BP神经网络的锂离子电池健康状态估算

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
锂离子电池在运行过程中内部电化学反应复杂,为使电池稳定运行,实时监测电池的健康状态是电池管理系统的核心任务之一.在实际运行中,锂离子电池的健康状态存在衰退现象,且衰退过程呈非线性和波动性.针对传统建模方法实现锂离子电池健康状态准确估计较为困难、耗时长等问题,构建了基于改进的鲸鱼群算法优化的反向传播(Back Propagation,BP)神经网络,利用鲸鱼群算法(Whale Optimization Algorithm,WOA)进行网络初值参数优化,可有效避免网络易陷入局部极值,并引入非线性收敛因子,加快算法局部寻优能力,提高了算法收敛速度.通过对比传统BP算法、粒子群优化的BP算法,在马里兰大学不同电池组老化数据上的验证结果表明,该算法对于锂离子电池健康状态预测具有更小的估计误差以及较强的学习性能,可以满足估算要求.
Health State Estimation of Lithium-ion Battery Based on WOA-BP Neural Network

薛太林、张超、闫来清、吴杰、靳玉祥

展开 >

山西大学电力与建筑学院,山西 太原 237016

国网山西省电力公司阳泉供电公司,山西 阳泉 045000

山西国锦煤电有限公司,山西 交城 030500

锂离子电池 健康状态 鲸鱼群优化算法 BP神经网络

中央高校基本科研业务费专项

2018QN097

2022

山东电力技术
山东电机工程学会 山东电力研究院

山东电力技术

影响因子：0.289
ISSN：1007-9904
年,卷(期)：2022.49(10)
  • 1
  • 12