基于機器學習算法的電動汽車鋰電池剩余電量估算的優(yōu)化.pdf

1、隨著人們對不可再生能源及環(huán)境的重視，鋰離子電池作為一種高能量密度,高平均輸出電壓的綠色電池,已經(jīng)被絕大多數(shù)電動汽車作為電源使用。但因電池自身缺陷，鋰電池的使用必須配備一個專用的電池管理系統(tǒng)（BMS），以負責管理電池使用以及保障電池的使用安全。其中，諸多關鍵技術，如電池均衡、過充過放保護、快速充電等，都需對鋰電池電荷狀態(tài)（State-of-Charge，SOC）進行準確的實時估算。
　　在現(xiàn)有眾多SOC估算算法中，基于機器學習的一類

2、SOC估算算法有著較高的精度。但是受到電動汽車動態(tài)負載的影響，工作電流會出現(xiàn)較大的跳變，因此該算法用于電動汽車鋰電池估算時，估算結(jié)果會出現(xiàn)較大誤差。針對此種情況，本文提出了兩種改進方法，包括改進電池模型泛性的訓練集選擇方法，以及針對電流跳變時SOC估算誤差的BP神經(jīng)網(wǎng)絡電壓修正方法。
　　最后，本文以BP神經(jīng)網(wǎng)絡和SVR模型為例，對上述方法進行驗證，并采用最大誤差及均方根誤差作為評價標準。實驗結(jié)果表明，使用新訓練集的情況下，SOC