乔维德
电动汽车锂电池荷电状态的径向基神经网络预测
乔维德
(无锡开放大学 科研与发展规划处,江苏 无锡 214011)
电动汽车锂电池是一个高度复杂的非线性时变系统。为准确高效预测电动汽车锂电池荷电状态大小,建立基于径向基神经网络的电动汽车锂电池荷电状态预测模型,利用粒子群—人工蜂群算法优化训练径向基神经网络。仿真分析与对比实验表明,建立的锂电池荷电状态预测模型预测速度快、精确度高、实时性强,对于提高电动汽车锂电池的能量效率和使用寿命,具有一定的实际使用价值和指导意义。
径向基神经网络;粒子群-人工蜂群算法;锂电池;荷电状态;电动汽车
由于全球气候变暖以及各种极端天气的频繁出现,导致了一系列能源问题和环境问题,给工农业生产和生活等造成了重大影响,引起了国家和社会的高度重视。国家在大力推行太阳能、核能、生物化学能、风能等清洁新能源的使用与推广[1]。为减少城市污染,以新能源发电为主要动力的电动汽车受到了广泛关注和快速发展。锂电池体积小、容量大、使用寿命长,已成为新能源电动汽车的储能动力来源。电动汽车荷电状态(简称SOC)能及时反映锂电池中剩余的可用电量及潜在充放电策略的可靠性信息情况,帮助电动汽车驾驶人员及时了解续航里程。为了保障电动汽车的安全、稳定、可靠运行,提高电池使用效率,停止电池出现过充电和过放电现象,延长锂电池使用寿命,需要对电动汽车的锂电池荷电状态进行准确预测。……