论文摘要
随着锂动力电池退役周期的到来,电池梯次应用具有现实意义。为了解决梯次再利用时退役电池放电非线性变化剧烈引起的电池荷电状态(State of Charge,SOC)预测精度不高问题,提出了一种基于量子粒子群(QPSO)优化RBF神经网络预测退役电池SOC的动态模型,相比经典的粒子群(PSO)优化算法具有更好的稳定性。实验结果表明:该预测模型的误差稳定在1%以内,响应速度快,为锂电池充分利用奠定了理论基础。
论文目录
文章来源
类型: 期刊论文
作者: 张燕习,刘雪,张贺,张持健
关键词: 锂动力电池,梯次应用,神经网络,量子粒子群
来源: 无线电通信技术 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 安徽瑞赛克再生资源技术股份有限公司,安徽师范大学物理与电子信息学院
基金: 安徽省重点科技攻关项目(1804a09020099)
分类号: TP18;TM912
页码: 232-236
总页数: 5
文件大小: 1614K
下载量: 174