第 25卷第 3期 重庆邮电大学学报(自然科学版) Vol.25 No.3
2013
年 6月 JournalofChongqingUniversityofPostsandTelecommunications(NaturalScienceEdition) Jun.2013
DOI:10.3979/j.issn.1673825X.2013.03.024
基于 GARBF网络的磷酸铁锂电池 SOC预测研究
收稿日期:20121012 修订日期:20130427 通讯作者:曹玉恒 yuhengcao@sina.com
基金项目:重庆市研究生教育教学改革项目(yjg123021);重庆高校创新团队建设计划(201014)
FoundationItems:TheProjectonpostgraduateeducationreformofChongqingCity(yjg123021);TheProjectoninnovationteambuild
ingofcollegesanduniversitiesinChongqing(201014)
黄智宇,曹玉恒
(重庆邮电大学 重庆高校汽车电子与嵌入式系统工程研究中心,重庆 400065)
摘 要:针对动力电池荷电状态(stateofcharge,SOC)的精确预测问题,提出了一种基于遗传算法的径向基函数
(geneticalgorithmradialbasisfunction,GARBF)神经网络的磷酸铁锂电池 SOC预测方法,它克服了网络参数选择的
随机性,具有更强的适应能力。通过仿真实验,证明了该方法比传统的径向基函数(radialbasisfunction,RBF)神经
网络预测结果更加准确,运行更稳定,满足电池管理系统对磷酸铁锂(LiFePO
4
)动力电池 SOC预测的精度和实际使
用的要求。
关键词:荷电状态(SOC);磷酸铁锂电池;基于遗传算法的径向基函数(GARBF);神经网络
中图分类号:TP183 文献标识码:A 文章编号:1673825X(2013)03041206
EstimationforSOCofLiFePO4Liionbatterybasedon
GARBFneuralnetwork
HUANGZhiyu,CAOYuheng
(EngineeringResearchCenterofAutomotiveElectronandEmbeddedSystem,ChongqingUniversityofPostsandTelecommunications,
Chongqing400065,P.R.China)
Abstract:Concerningtheaccuracypredictionproblemsofthestateofcharge(SOC)ofthebattery,thispaperproposesan
algorithmbasedonGARBF(geneticalgorithmradialbasisfunction)neuralnetworkforSOCpredictionofLiFePO4Liion
batteries.Thisalgorithmeliminatestheselectionrandomnessofthenetworkparameterswhichhasbetteradaptabilitythan
traditionalmethods.Simulationexperimentsshowthatthepredictionresultsofthealgorithm thispaperproposesaremore
accuratethanthetraditionalneuralnetworkbasedRBF.Furthermore
,thismethodismorestableanditsatisfiesthestand
ardsoftheaccuracyofbatteriesSOCpredictionandrequirementsofactualuse.
Keywords:stateofcharge(SOC);LiFePO
4
Liionbatteries;geneticalgorithmradialbasisfunction(GARBF);neural
network
0 引 言
能源问题使得建立清洁可再生的新能源体系成
为人类社会发展的必然选择。中国是汽车消费和生
产大国,正面临着节能减排的重大挑战
[1]
。动力电
池是制约电动汽车发展的关键,而磷酸铁锂(LiFe
PO
4
)电池因其寿命长、安全性能好、成本低、无记忆
性等特点成为电动汽车的理想动力源
[2]
。
在电动汽车的发展过程中,动力电池荷电状态
(
stateofcharge,SOC)是电池的一个重要参数,用来
表示电池的剩余电量,是对动力电池的使用进行必
要管理和控制的主要依据
[3]
。同时 SOC预测也是
动力电池管理系统的主要功能之一,根据
SOC来估
计续驶里程,在电池充放电时依靠 SOC做出相应的
控制,防止动力电池因过充放电造成其本身损害甚
至危险的发生
[4]
。因此,如何准确预测 SOC成为电
动汽车发展的重要环节。
目前,
LiFePO
4
电池 SOC预测方法主要有基于