改进PSO-RBF算法的锂电池额定容量实时估计

作者：陈德海; 马原; 潘韦驰

来源：计算机应用与软件, 2020, 37(03): 45-50.

• PSO-RBF
• 电池容量
• SOH
• RUL

针对在实际工况下对锂离子电池额定容量进行估计时,数学建模困难、内部参数测量复杂、模型自适应性差等问题,提出一种对粒子群聚类算法的参数组合进行优选并结合优选结果对径向基函数(RBF)神经网络进行改进的方法,以实现对锂电池额定容量的实时估计。将电池额定容量的影响因素划分为内部退化因素和特性影响因素,通过分析电池内部退化规律的相关性,进行剩余寿命预测;结合电池健康状态影响因素(温度、充放电倍率),进行动态额定容量标定。实验结果表明,改进的RBF算法预测结果平均误差约为2.1%。

• 出版日期2020
• 单位江西理工大学; 自动化学院