基于ESN的锂电池SOC评估方法与仿真研究
2023年电子技术应用第1期
杜广波1，蔡茂2，张鑫2，范兴明2，程江华1
1.中国联合工程有限公司，浙江 杭州 310052；2.桂林电子科技大学 电气工程及其自动化系，广西 桂林541004
摘要： 以新能源车载锂电池为研究对象，建立基于回声状态网络（ESN）预测锂电池的荷电状态（SOC）评估模型。采用交叉验证方法优选回声状态网络参数，以此解决网络模型的参数选择困难。通过带遗忘因子的递归最小二乘法训练建立的回声状态网络模型，实时更新输出权值矩阵以此提高网络的适应性和精度。通过模型仿真分析验证了预测算法的可行性，进一步对比分析了所建立的ESN预测模型与BP神经网络算法、径向基（RBF）网络算法在UDDS、US06和NYCC工况条件下的锂电池SOC评估预测效果，结果表明所建立的回声状态网络模型方法用于锂电池SOC评估预测的性能和效果优于BP算法和RBF算法，具有较好的应用前景，可以为锂电池SOC长期长效预测评估提供参考。
中圖分類號：TP305
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223057
中文引用格式： 杜廣波，蔡茂，張鑫，等. 基于ESN的鋰電池SOC評估方法與仿真研究[J]. 電子技術應用，2023，49(1)：45-51.
英文引用格式： Du Guangbo，Cai Mao，Zhang Xin，et al. Research on SOC evaluation method and simulation of lithiumbattery based on echo state network[J]. Application of Electronic Technique，2023，49(1)：45-51.
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223057
中文引用格式： 杜廣波，蔡茂，張鑫，等. 基于ESN的鋰電池SOC評估方法與仿真研究[J]. 電子技術應用，2023，49(1)：45-51.
英文引用格式： Du Guangbo，Cai Mao，Zhang Xin，et al. Research on SOC evaluation method and simulation of lithiumbattery based on echo state network[J]. Application of Electronic Technique，2023，49(1)：45-51.
Research on SOC evaluation method and simulation of lithiumbattery based on echo state network
Du Guangbo1，Cai Mao2，Zhang Xin2，Fan Xingming2，Cheng Jianghua1
1.China United Engineering Corporation Limited， Hangzhou 310052， China； 2.Dep.of Electrical Engineering & Automation， Guilin University of Electronic and Technology ，Guilin 541004， China
Abstract： Taking lithium battery of new energy vehicles as the research object,an echo state network (ESN) model is established to predict the state of charge (SOC) of the vehicle's lithium battery. The cross-validation method is used to optimize the parameters of the ESN to solve difficulty to select arameters of the model. The echo state network is trained by recursive least squares method with forgetting factors to calculate the output weight matrix so as to improve the adaptability and accuracy of the network.The feasibility of the prediction algorithm is further analyzed and verified by the model simulation. The research further analyzes and compares the predicted SOC of the established ESN model, the BP neural network algorithm and radial basis function (RBF) network algorithm under UDDS, US06 and NYCC. The research results show that the established echo state network model is superior to the BP algorithm and RBF algorithm in estimating the performance and effect of lithium-ion battery SOC evaluation. Using ESN model to predict SOC has a good application prospect and can provide a reference for long-term and effective SOC prediction of the lithium battery.
Key words : lithium battery；state of charge；echo state network；parameters optimization and selection；cross validation
0 引言
新能源電動汽車鋰電池因具有無污染、續(xù)航能力強以及可多次循環(huán)使用等優(yōu)點被廣泛應用，鋰電池荷電狀態(tài)SOC的預測研究是新能源汽車領域的關鍵技術。SOC反映了鋰電池的剩余可用電量[1-2]，準確預測SOC對于研究新能源電動汽車的續(xù)航里程、鋰電池合理充放電以及電池健康管理等可提供可靠依據(jù)[3]。
鋰電池內部化學反應復雜，SOC的變化受溫度、電池循環(huán)使用次數(shù)、充放電倍率和老化等多種因素影響，致使SOC預測困難[4]。常用預測SOC的方法主要有：安時積分法、開路電壓法、內阻法和電池模型法。由于這些方法存在誤差累積較多[5-6]、應用狀態(tài)受限[7-8]、無法直接檢測實際SOC[9]、參數(shù)辨識困難[10-13]等不足，其應用場合受到一定限制。
采用交叉驗證法對回聲狀態(tài)網(wǎng)絡（ESN）的儲備池規(guī)模N、譜半徑SR、輸入縮放IS和輸入位移IF進行尋優(yōu)，并采用帶遺忘因子的遞歸最小二乘法實時調整網(wǎng)絡輸出權值矩陣。為驗證ESN算法的可行性和優(yōu)越性，將ESN算法在UDDS工況下與BP算法和RBF算法以不同的訓練集和測試集進行仿真對比，進而將以上3種算法在UDDS、US06和NYCC工況下進行對比分析。
本文詳細內容請下載：http://m.ihrv.cn/resource/share/2000005075。
作者信息：
杜廣波1，蔡茂2，張鑫2，范興明2，程江華1
（1.中國聯(lián)合工程有限公司，浙江 杭州 310052；2.桂林電子科技大學 電氣工程及其自動化系，廣西 桂林541004）
此內容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉載。