基于IGWO-BP神经网络的锂离子电池SOC估计

摘要：

针对单一的BP神经网络在进行锂离子电池的荷电状态(state of charge,SOC)估计时存在估计精度不高的问题,提出了一种基于改进灰狼优化算法(improved grey wolf optimization algorithm,IGWO)的BP神经网络来估计锂离子电池SOC的方法.通过采用改进的灰狼优化算法来优化BP神经网络的权值和阈值,来克服单一的BP神经网络容易陷入局部最优的缺陷,并且加快了收敛速度.经仿真实验表明,BP神经网络估计锂电池SOC的平均绝对误差为6.39％,而基于IGWO-BP神经网络估计锂电池SOC的平均绝对误差为1.45％,相比于单一的BP神经网络,平均绝对误差减少了4.94％,证明提出的算法提高了SOC的估计精度.

关键词：锂离子电池、荷电状态、BP神经网络、灰狼优化算法

所属期刊栏目：47

分类号：TM912

资助基金：江西省教育厅立项课题GJJ150678

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1153-1157