改进的动量项BP神经网络电池SOC估算

论文摘要

为提高动力电池的荷电状态(SOC)估算精度,延长使用寿命,利用BP神经网络思想,提出基于python编程的改进型自适应动量项BP神经网络算法。以额定容量为29 Ah的三元正极材料锂离子电池为实验对象,在电压、电流和温度的基础上,引入内阻和已放电量作为神经网络模型的输入项,并利用模型的实际输出值和期望值的误差均方差,动态调整每一步迭代过程中的动量项。与传统BP神经网络算法相比,改进后的算法收敛速度提升了80%,估算误差稳定在20%以内。

论文目录

文章来源

类型: 期刊论文

作者: 姚和友,张庭芳,黄菊花,曹铭

关键词: 动量项,内阻,荷电状态,神经网络,锂离子电池

来源: 电池 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 南昌大学机电工程学院

基金: 国家自然科学基金(51762034)

分类号: TM912

DOI: 10.19535/j.1001-1579.2019.04.010

页码: 308-311

总页数: 4

文件大小: 202K

下载量: 207

相关论文文献

标签：动量项论文;  内阻论文;  荷电状态论文;  神经网络论文;  锂离子电池论文;