基于levy飞行优化BOA-BP网络的电池SOC估计

摘要：

目前电动汽车动力输出的来源主要是动力电池,其荷电状态(State of Charge,SOC)表示电池的剩余电量情况,精确估算SOC对于电池的使用安全有重要意义.将蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)进行改进并用于优化BP神经网络估算动力电池SOC,解决了普通BP网络估计SOC时遇到的训练时间长、收敛慢、精度较低、易陷入局部最优解的问题;同时提升了全局搜索速度,选取电压和电流为输入变量、SOC为输出变量,根据误差的大小调整神经网络的权值和阈值.仿真结果表明,优化后得到的SOC估计结果误差率控制在1.1％以内,该方法寻优速度快,具有更好的鲁棒性.

关键词：荷电状态估计、蝴蝶优化算法、BP神经网络、Levy飞行

所属期刊栏目：49

分类号：TP13(自动化基础理论)

资助基金：未央区科技计划项目202016

在线出版日期：2023-04-25（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：88-91