文献类型：期刊文章

作　　者：陈诚[1] 皮志勇[1] 赵英龙[2] 廖玄[1] 张明敏[2] 李勇[2]

CHEN Cheng;PI Zhiyong;ZHAO Yinglong;LIAO Xuan;ZHANG Mingmin;LI Yong(Jingmen Power Supply Company of Hubei Electric Power Company,Jingmen 448000;College of Electrical and Information Engineering,Hunan University,Changsha 410000)

机构地区：[1]国网湖北省电力公司荆门供电公司,荆门448000 [2]湖南大学电气与信息工程学院,长沙410000

出　　处：《电气工程学报》

基　　金：国网湖北电力“基于新型防火防爆磷酸铁锂电池智能直流系统研究”资助项目(5215G021000D)。

年　　份：2022

卷　　号：17

期　　号：1

起止页码：86-94

语　　种：中文

收录情况：CSCD、CSCD_E2021_2022、JST、ZGKJHX、普通刊

摘　　要：锂离子荷电状态(State of charge,SOC)的精准估计是锂离子电池安全稳定运行的基础。传统的误差反向传播(Back propagation,BP)神经网络估计SOC的精度不高,而循环神经网络(Recurrent neural network,RNN)也容易陷入局部最优。针对这些问题,提出了自适应灾变遗传-循环神经网络(ACGA-RNN)联合算法,将自适应灾变遗传算法(Adaptive cataclysm genetic algorithm,ACGA)用于优化RNN的初始权值和阈值,提高了最优权值和阈值的全局搜索能力,从而有效提升锂离子电池SOC的估计精度。基于锂离子电池充放电的试验数据,将所提ACGA-RNN联合算法与RNN、GA-RNN算法分别用于锂离子电池的SOC估计。测试结果显示,相较于传统的RNN算法与GA-RNN算法,提出的ACGA-RNN联合算法获得了最佳的SOC估计精度,在DST工况下的估计平均绝对误差为1.74%,低于传统RNN和GA-RNN的估计精度3.68%和2.49%;另外,在45℃和0℃条件下,ACGA-RNN联合算法估计的平均绝对值误差分别为1.75%和2.05%,符合国家标准要求。因此,提出的ACGA-RNN联合算法在锂电池的SOC估计方面具有良好的应用价值。

关 键 词：锂离子电池 荷电状态  循环神经网络 自适应灾变遗传算法  

分 类 号：TM912]