文献类型：期刊文章

作　　者：杨云龙[1] 徐自强[1] 吴孟强[1] 张大庆[2]

Yang Yunlong;Xu Ziqiang;Wu Mengqiang;Zhang Daqing(School of Materials and Energy, University of Electronic Science and Technology, Chengdu 611731, China;Chengdu Automobile Industry Academy, Chengdu 610101, China)

机构地区：[1]电子科技大学材料与能源学院,成都611731 [2]成都汽车产业研究院,成都610101

出　　处：《计算机测量与控制》

基　　金：国家自然科学基金(61301052);四川省科技计划重点研发项目(18ZDYF1590;2016GZ0025;2017GZ0102;2017GZ0106;2017GZ0143;2017GZ0020);成都市电动乘用车产业集群协同创新项目(2017-XT00-00002-GX);中央高校基本科研业务费(ZYGX2015J095;2016J035)

年　　份：2018

卷　　号：26

期　　号：12

起止页码：220-224

语　　种：中文

收录情况：CSA、CSA-PROQEUST、INSPEC、JST、ZGKJHX、普通刊

摘　　要：锂离子动力电池SOC (电池荷电状态)难以直接测量且由于高度非线性所导致估计误差较大;为了减少动力电池SOC估计误差,提高估算精度;在分析了锂离子动力电池电压、温度、电流和放电电量对电池SOC影响后,提出一种新颖的免疫遗传算法(Immune Genetic Algorithm,IGA)和BP神经网络相结合的锂离子动力电池SOC值联合估计方法,该方法首次使用在锂离子动力电池SOC值估计中,采用新颖的免疫遗传算法通过对BP神经网络进行参数寻优,优化网络结构模型,增强神经网络自适应学习效率;通过仿真和动力电池实际工况下实验,结果表明使用新颖的联合估计算法提高了网络的运行效率和电池SOC值估计精度,估计均方根误差控制在2%以内,验证了这一联合估计算法的可行性和有效性,解决了动力电池SOC值估计误差较大的问题。

关 键 词：锂离子动力电池 SOC估计 免疫遗传算法IGA  联合估计  

分 类 号：TP301.6]