张洪涛, 夏耀威, 凃玲英, 张灿
(湖北工业大学 电气与电子工程学院, 湖北 武汉 430068)
电动汽车电池荷电状态(SOC)一直是我国专家学者研究的热点,专家们提出很多估算方法.刘光明[1]考虑温度变化对电池剩余能量的影响,对不同条件下电池产热成分进行化学分析,建立电池SOC的精确估算模型,该模型根据温度变化对电池容量进行实时预测.郑英东[2]将电池官方参数与实验数据进行对比,并对NCR18650A型电池的SOC进行估算,联合估算法的估算效果明显比单一方法更好.郭向伟[3]根据电动汽车电池充放电时端电压存在的动态响应,采用二阶电阻电容回路模型建立电动汽车电池等效模型,并在电池模型的基础上,利用最小二乘支持向量机(LSSVM)等,扩展卡尔曼滤波(EKF)算法对电动汽车电池SOC进行联合估算.陈峭岩[4]考虑到电池老化和环境因素对电池SOC估算的影响,在多模型SOC估算中加入自适应算法,明显提高电池SOC的估算精度.王晨等[5]采用粒子群优化(PSO)算法对BP(back propagation)神经网络的权值和阈值进行优化,建立基于PSO-BP的电池SOC估算模型,取得较好的预测效果,但由于PSO中粒子搜索方向性较差,该寻优方法有待进一步改进.
针对上述问题,本文在粒子群优化算法中引入惯性权重和收缩因子,用于增强粒子群的全局搜索能力和局部寻优能力,形成改进粒子群算法.
PSO算法起源于20世纪90年代,Kennedy等认为数学上优化问题的求解过程可看作是大自然中……