BP神经网络预估锂离子电池SOC训练数据选择

摘要：

采用BP神经网络对电动汽车用动力锂离子电池荷电状态(SOC)预估进行研究,分析了BP神经网络的模型原理及锂离子电池极化现象.对比采用恒流实验数据训练BP神经网络,提出改进BP神经网络训练数据选择方法,以适应变电流的实际循环中,锂离子电池因极化现象而产生的动态非线性,并进行了电池SOC值的预估.实验表明,采用改进训练数据训练的BP神经网络,在电流剧烈变化的实际工况环境下具有更高的SOC预估精度.

关键词：BP神经网络、SOC预估、极化现象、训练数据

所属期刊栏目：40

分类号：TM912

在线出版日期：2016-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：283-286