设计应用

基于levy飞行优化BOA-BP网络的电池SOC估计

作者:李畅,王琪,姜佳怡
发布日期:2023-05-08
来源:2023年电子技术应用第4期

0 引言

目前,传统汽车由于其工作机理的限制而必须使用石油等不可再生资源作为燃料,同时尾气排放也对环境造成很大污染,新能源汽车因其低碳环保的特点而逐渐被大家所认可。不同于传统能源,电动汽车剩余电量无法直接通过测量得到,需要对其进行状态估计,SOC估计对于判断汽车剩余可行驶里程、消除驾驶者的里程焦虑、防止过充过放具有重要作用。除此之外,拥有正确的SOC可增加动力电池的使用寿命以及在电量均衡等领域给予数据支撑。电池内部本身是一个强非线性系统,常规的物理方法不能够对SOC进行准确估计。神经网络算法可以在不用建模的情况下更好地处理电池的非线性特征,模拟电池的动态特性并对电池SOC估计,但因BP算法存在的估算精度低、鲁棒性不高、收敛慢等问题,所以有必要将BP算法进行优化,提高其在SOC估计中的精度和适用。

2019年,Arora等人观察蝴蝶的觅食行为以及交配行为提出了一种智能算法——BOA算法。算法简单易于实现,全局搜索效率较高,与此同时存在易陷入局部最优的缺陷。针对这个问题,本文利用加入Levy飞行蝴蝶优化算法建立改进的BOA-BP神经网络模型进行MATLAB仿真实验,比较BP与优化后模型的SOC估计值,从而验证改进后算法的精准程度。



本文详细内容请下载:https://www.chinaaet.com/resource/share/2000005289




作者信息:

李畅,王琪,姜佳怡

(西安工业大学 电子信息工程学院, 陕西 西安710021)


微信图片_20210517164139.jpg

此内容为AET网站原创,未经授权禁止转载。
荷电状态估计 蝴蝶优化算法 BP神经网络 Levy飞行
Baidu
map