針對(duì)傳統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)估計(jì)鋰電池荷電狀態(tài)（SOC）方法精度低、收斂速度慢的問(wèn)題,采用模糊規(guī)則優(yōu)化算法對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化,加快了網(wǎng)絡(luò)的收斂速度。通過(guò)分析鋰電池實(shí)際使用工況,將影響電池當(dāng)前容量的兩個(gè)參數(shù),即循環(huán)次數(shù)與循環(huán)之間的靜置時(shí)間,與電池電壓、電流、溫度統(tǒng)一作為影響SOC估計(jì)精度的因子。MATLAB仿真結(jié)果表明,改進(jìn)后的模糊神經(jīng)網(wǎng)絡(luò)算法的精度和收斂速度較傳統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)算法更優(yōu)。 

【文章來(lái)源】：電源技術(shù). 2020,44(09)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖１?放電過(guò)程中容量對(duì)ＳＯＣ值的影響??本文采用的實(shí)驗(yàn)數(shù)據(jù)是ＮＡＳＡ?ＰＣｏＥ研究中心公開(kāi)的電??池?cái)?shù)據(jù)集選取其中的３組電池?cái)?shù)據(jù)進(jìn)行分析

??池?cái)?shù)據(jù)集選取其中的３組電池?cái)?shù)據(jù)進(jìn)行分析。電池?cái)?shù)據(jù)采??集的實(shí)驗(yàn)信息如表１所示。??表?１?ＮＡＳＡ?電??＆數(shù)據(jù)ｉ??義實(shí)驗(yàn)信息??電池編號(hào)??５??６??７??充電電流／Ａ??１．５??１．５??１．５??放電電流／Ａ??２??２??２??充電截止電壓／Ｖ??４．２??４．２??４．２??放電截止電壓／Ｖ??２．７??２．５??２．２??環(huán)境溫度／°ｃ??２４??２４??２４??額定容量／Ａｈ??２??２??２??壽命終止容量／Ａｈ??１．４??１．４??１．４??圖２為５、６、７號(hào)電池在整個(gè)充放電循環(huán)測(cè)試期間電池容??量與循環(huán)次數(shù)的曲線圖。觀察圖２中的３條曲線可以發(fā)現(xiàn)，隨??著循環(huán)次數(shù)增加，電池容量逐漸衰減，但該曲線并不嚴(yán)格單調(diào)??遞減，會(huì)出現(xiàn)一些容量回升的循環(huán)，在圖２的曲線上標(biāo)記了容??量出現(xiàn)回升的循環(huán)次數(shù)。分析相關(guān)數(shù)據(jù)發(fā)現(xiàn)容量回升與循環(huán)??間的靜置時(shí)間長(zhǎng)短存在關(guān)系，其中在短期范圍內(nèi)電池靜置時(shí)??間長(zhǎng)短與容量回升值成正比，而長(zhǎng)期靜置下的電池容量回升??到某個(gè)值后基本保持不變。表２列出了部分容量回升循環(huán)對(duì)??０?２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０??循環(huán)次數(shù)??圖２?５號(hào)、６號(hào)、７號(hào)電池容Ｍ曲線??表２?部分容量回升循環(huán)的靜置爐??ｈ司與容量回升值??容量回升點(diǎn)編號(hào)??靜置時(shí)間／ｈ??容量回升值／Ａｈ??６??０．１８??０．００１?１??３１??３５．０７??０．０４７?７??４８??６９．９２??０．０５７?５??１０４??２．４１??０．０１０?２??１２０??１６．７８??０．０２５?８??１５０??１１．０６??０．０２０?９??－－５巧屯池容？曲Ｈ

集??合；第二種方法是將模糊規(guī)則后件表示為輸人變量的線性組??合，由于該模型是Ｔａｋａｇｉ和Ｓｕｇｅｎｏ首先提出的，所以通常稱??之為Ｔ－Ｓ模型％??氏：ＩＦ?＇?ｉｓ?ａｎｄ?ｊｃＸ?ａｎｄ?？?？?？?ａｎｄ?ｊｃＸ??ｎ?ｄ??ＴＨＥＮ尸辦＆?ｗ??式中：凡為第Ｊｃ條模＾規(guī)則；ｆ［Ｘｉ?，灸，？?？？，?ｘＪＴ為輸人變量，每??個(gè)分量與（ｉ＝ｌ，?２?＞…，ｉｉ）均為模糊語(yǔ)言變量；Ａ／為及的第ｊ?ＣＨ，??２，…，ｍ）個(gè)語(yǔ)言變量值；ｂ，為真值參數(shù)；ｙ為輸出變量。??圖３為Ｔ－Ｓ模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)化結(jié)構(gòu)示意圖。它由輸入層、??模糊化層、模糊規(guī)則層、去模糊化層和輸出層構(gòu)成。??＊５?１??５＇??．ｙ，－??輸ＡＪｇ?場(chǎng)糊（ｆｃｇ提蝴＃Ｗｉｇ去模椒化層?輸⑴層??圖３?Ｔ－Ｓ模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)化結(jié)構(gòu)圖??輸人層的每個(gè)節(jié)點(diǎn)表示影響ＳＯＣ估計(jì)值的一個(gè)參數(shù)，包??括電池電壓、電流、溫度、循環(huán)次數(shù)和循環(huán)之間的靜置時(shí)間５??個(gè)參數(shù)。??模糊化層的每個(gè)節(jié)點(diǎn)代表一個(gè)語(yǔ)言變量值，用于計(jì)算每??個(gè)輸人參數(shù)對(duì)應(yīng)每個(gè)語(yǔ)言變量值的隸屬度。采用高斯函數(shù)作??為隸屬度函數(shù)：?ｘ??＝＾Ａｊ｛ｘｌ）?＝?ｅ?＇?（４）??式中：ｑ和巧分別為隸屬度函數(shù)的中心值和寬度；；ｕ／（Ｍ，２，…，??５；戶１，２，－，蚴為第；個(gè)輸人參數(shù)的第＿／個(gè)語(yǔ)言變量值，其中ｍ，??為４的模糊分割數(shù)。??模糊規(guī)則層的每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則。用于計(jì)算出??每條規(guī)則的適用度，即：??（５）??式中：％為適用度；｛１，２，…，ｍｊ，?｛１，２，（ｅ?｛１，??對(duì)于給定的輸人值，只有在輸人點(diǎn)附近的語(yǔ)言變量值才??有較大的隸屬度值，遠(yuǎn)離輸入點(diǎn)的語(yǔ)言變量值

【參考文獻(xiàn)】：
期刊論文
[1]基于多時(shí)間尺度的鋰離子電池狀態(tài)聯(lián)合估計(jì)[J]. 印學(xué)浩,宋宇晨,劉旺,劉大同.  儀器儀表學(xué)報(bào). 2018(08)
[2]基于滑動(dòng)窗自適應(yīng)濾波的鋰電池SOC/SOH聯(lián)合估計(jì)[J]. 汪秋婷,姜銀珠,陸赟豪.  電源技術(shù). 2017(01)



本文編號(hào)：3345431