改进的ACO-BP神经网络在锂离子电池SOC估算中的应用
王震
陆金桂
1.南京工业大学机械与动力工程学院,江苏南京,2118162.南京工业大学机械与动力工程学院,江苏南京,211816
摘要：针对单一BP神经网络模型估算锂离子电池SOC易陷入局部最优的问题,引入蚁群算法ACO,并与BP神经网络模型相结合,提出了改进的ACO-BP神经网络以估算电池SOC.采用惯性矫正算法,在校正权阈值时加入惯性量,以改进BP神经网络;利用改进的全局信息素更新规则来改进ACO算法,以解决其易早熟收敛的问题.将经改进的ACO-BP神经网络应用于18650锂离子动力电池SOC估算,结果表明,改进的ACO-BP神经网络估算SOC的相对误差能控制在±1.957％以内,MAPE为0.897％,精度和稳定性明显优于单一BP神经网络和ACO-BP神经网络.
关键词：电池SOC蚁群优化神经网络估算模型
分类号：TM912(独立电源技术（直接发电）)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 81-86 )
英文信息