[1]杨杰君,文健峰,王 全,等.基于在线极限连续学习机的 LiFePO4动力电池 SOC 估算[J].控制与信息技术(原大功率变流技术),2019,(05):27-30.[doi:10.13889/j.issn.2096-5427.2019.05.100]
 YANG Jiejun,WEN Jianfeng,WANG Quan,et al.SOC Estimation of LiFePO4 Power Battery Based on OSELM[J].High Power Converter Technology,2019,(05):27-30.[doi:10.13889/j.issn.2096-5427.2019.05.100]
点击复制

基于在线极限连续学习机的 LiFePO4动力电池 SOC 估算()
分享到:

《控制与信息技术》(原《大功率变流技术》)[ISSN:2095-3631/CN:43-1486/U]

卷:
期数:
2019年05期
页码:
27-30
栏目:
电力与传动控制
出版日期:
2019-10-05

文章信息/Info

Title:
SOC Estimation of LiFePO4 Power Battery Based on OSELM
文章编号:
2096-5427(2019)05-0027-04
作者:
杨杰君文健峰王 全黄 河刘 媛黄 浩
(中车时代电动汽车股份有限公司湘江新区分公司,湖南 长沙 410083)
Author(s):
YANG Jiejun WEN Jianfeng WANG Quan HUANG He LIU Yuan HUANG Hao
( XiangJiang New Area Branch Company, CRRC Times Electric Vehicle Co., Ltd., Changsha, Hunan 410083, China )
关键词:
极限学习机荷电状态动力电池人工智能
Keywords:
sequential learning machine state of charge power battery artificial intelligence
分类号:
TM912
DOI:
10.13889/j.issn.2096-5427.2019.05.100
文献标志码:
A
摘要:
针对现存LiFePO4电池荷电状态(SOC)估算不准的问题,文章提出了一种基于在线极限连续学习机(OSELM)的SOC估算模型,其借助OSELM快速学习能力,通过在线学习方式提高了网络的泛化性能,可自适应电池工作状态以准确估算SOC。以5 Ah LiFePO4圆柱形电芯为研究对象,测试了其在不同温度、不同放电电流时的单体电压与SOC的关系,并对试验样本进行了学习和估算。理论分析和试验结果验证了该方法的有效性。
Abstract:
Aiming at the problem that the SOC estimation accuracy of LiMPO4 power battery is hardly acceptable, this paper presented a SOC predictive model based on online sequential extreme learning machine (OSELM). The fast training property of the OSELM is leveraged so that the generalization of the online sequential learning study is improved and the SOC estimate accuracy by self-adaption of battery working states is enhanced. A 5Ah lithium iron phosphate cylindrical battery was studied and tested in this paper, such as the relationship between voltage and the SOC of the battery at different temperatures and different discharge currents. Theoretical analysis and experimental results verify the effectiveness of this method.

参考文献/References:

[1] 宋永华, 阳岳希, 胡泽春. 电动汽车电池的现状及发展趋势[J]. 电网技术,2011, 35(4): 1-7.

[2] 华周发, 李静. 电动汽车动力电池SOC估算方法综述[J]. 电源技术, 2013, 37(9): 1686-1689.
[3] 张持健, 陈航. 锂电池SOC预测方法综述[J]. 电源技术, 2016, 40(6): 1318-1320, 1333.
[4] 苏振浩, 李晓杰, 秦晋, 等. 基于BP人工神经网络的动力电池SOC估算方法[J].储能科学与技术, 2019, 8(5): 868-873.
[5] 党选举, 言理, 姜辉, 等. 基于在线LS-SVM的动力电池SOC估算方法研究[J].电源技术, 2017, 41(5): 752-756.
[6] 赵娜. BMS中SOC估算与主动均衡控制策略的研究[D]. 北京:北京交通大学, 2017.
[7] 胡泽军, 叶明, 李鑫, 等. 磷酸铁锂电池的参数辨识及SOC估算[J].黑龙江大学自然科学学报, 2019(3): 344-352.
[8] LIANGN Y, HUANG G B. A fast and accurate online sequential learning algorithm for feed forward networks[J]. IEEE Trans Ind, 2006, 6(17): 1411-1423.
[9] 杨文荣, 朱赛飞, 陈阳, 等. 基于改进安时积分法估计锂离子电池组SOC[J].电源技术, 2018, 42(2): 183-184, 246.
[10] 刘民, 李少林, 张景明. 基于多种模型的递进式智能SOC估算[J].桂林电子科技大学学报, 2019, 39(2): 130-134.

相似文献/References:

[1]文健峰,王 全,刘 媛,等.一种基于双积分器的车载动力电池 SOC 估算和修正策略[J].控制与信息技术(原大功率变流技术),2019,(05):31.[doi:10.13889/j.issn.2096-5427.2019.05.007]
 WEN Jianfeng,WANG Quan,LIU Yuan,et al.A Strategy of SOC Estimation and Correction for Vehicle PowerBatteries Based on Double-integrator[J].High Power Converter Technology,2019,(05):31.[doi:10.13889/j.issn.2096-5427.2019.05.007]
[2]杨杰君,文健峰,王 全,等. 基于在线极限连续学习机的LiFePO4动力电池SOC 估算[J].控制与信息技术(原大功率变流技术),2019,(05):1.[doi:10.13889/j.issn.2096-5427.2019.05.100]
 YANG Jiejun,WEN Jianfeng,WANG Quan,et al. SOC Estimation of LiFePO4 Power Battery Based on OSELM[J].High Power Converter Technology,2019,(05):1.[doi:10.13889/j.issn.2096-5427.2019.05.100]

备注/Memo

备注/Memo:
收稿日期:2019-06-17
作者简介:杨杰君(1988—)男,硕士,工程师,主要从事整车控制系统研究。
更新日期/Last Update: 2019-10-23