论文摘要
以动力电池的电压、电流、温度和内阻作为输入,荷电状态作为输出,建立四输入一输出的神经网络仿真模型预测电池的荷电状态。再以荷电状态为基础,改进电池健康状态的估算方法,分别利用改进型容量法、改进型内阻法和电压法3种方法分别估算出电池的健康状态,并利用遗传神经网算法建立了3种方法联合在一起的电池健康状态估算模型。以4节12 V的串联锂离子电池组模块为研究对象分别进行了Simulink仿真和实验研究,通过采集动力电池充放电时的电压、电流、温度、内阻和放电量数据,测试了电池的荷电状态和健康状态。实验结果表明电池荷电状态的预测精度为1.6%,仿真模型运行和实验结果显示联合法估算健康状态的最大误差为1.5%,高于其他3种单独的方法。本文提出的健康状态预测方法,省略了传统神经网络算法估算健康状态寻找健康因子的复杂步骤,同时也避免现有电池的健康状态估计单一参量判定方法的局限性。
论文目录
文章来源
类型: 期刊论文
作者: 夏克刚,钱祥忠,余懿衡,杨光辉,张佳瑶
关键词: 荷电状态,健康状态,神经网络算法,联合法,动力电池
来源: 电子测量技术 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
单位: 温州大学数理与电子信息工程学院
基金: 温州市科技局科技计划项目(G20170008),温州大学研究生创新基金项目(201736),国家级大学生创新创业训练计划项目(201710351024)资助
分类号: TM912
DOI: 10.19651/j.cnki.emt.1802162
页码: 25-30
总页数: 6
文件大小: 6110K
下载量: 200