文献类型：期刊文章

作　　者：黄耀波[1] 唐海定[1] 章欢[2] 翁国庆[2]

机构地区：[1]浙江工业大学健行学院,浙江杭州310023 [2]浙江工业大学信息工程学院,浙江杭州310023

出　　处：《机电工程》

基　　金：国家自然科学基金资助项目(51207139);浙江省自然科学基金资助项目(LY12E07005);浙江工业大学校基金资助项目(2011XZ003)

年　　份：2013

卷　　号：30

期　　号：10

起止页码：1255-1258

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对传统方法在电动汽车锂电池荷电状态(State of Charge,SOC)预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法。该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性。研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题。

关 键 词：电动汽车 锂电池 SOC预测 遗传神经网络

分 类 号：U469.72] TM93]