【摘要】：针对混合动力电动汽车(HEV)电池荷电状态(SOC)预测问题,引入贝叶斯极限学习机(BELM)方法。对极限学习机和贝叶斯线性回归的基本原理进行详细介绍,为提高极限学习机的拟合和泛化能力,采用贝叶斯方法来优化极限学习机输出层的权重。在循环工况条件下选择电池的工作电压、工作电流和表面温度参数用来预测电池SOC的实时值,同时兼顾HEV再生制动时的能量回馈过程。高级车辆仿真软件ADVISOR下的仿真结果和实际实验结果均表明:所设计的预测模型具有较高的准确度,能够实时准确地预测出SOC值,实用性强且有效性高。
【作者单位】：
江苏理工学院电气信息工程学院;江苏大学机械工业设施农业测控技术与装备重点实验室;南京工程学院电力工程学院;
【关键词】： 贝叶斯 极限学习机 混合动力电动汽车 荷电状态
【基金】：国家自然科学基金(51377074) 江苏省优势学科建设工程项目(苏政办发[2011]6号) 江苏省自然科学基金青年基金(BK20150246) 江苏高校自然科学基金(15KJB470004) 江苏理工学院人才引进项目(KYY15009)资助
【分类号】：TM912;U469.72
【正文快照】：
【关键词】： 贝叶斯 极限学习机 混合动力电动汽车 荷电状态
【基金】：国家自然科学基金(51377074) 江苏省优势学科建设工程项目(苏政办发[2011]6号) 江苏省自然科学基金青年基金(BK20150246) 江苏高校自然科学基金(15KJB470004) 江苏理工学院人才引进项目(KYY15009)资助
【分类号】：TM912;U469.72
【正文快照】：
0引言电池作为混合动力电动汽车动力系统的关键部件,对整车系统的动力性、安全性以及经济性至关重要[1]。为保证电池性能良好,延长其使用寿命,需要对电池进行合理的管理与控制,但是前提必须是准确而又可靠地获得电池的荷电状态(State Of Charge,SOC)[2]。SOC作为电池的内部特
您可以在本站搜索以下学术论文文献来了解更多相关内容
基于区域极点配置电池荷电状态的估计方法 王福忠;邓坤;
无迹卡尔曼滤波的电池荷电状态估计试验研究 赵凯;朱黎明;
利用免疫进化网络的镍氢电池组荷电状态预测 程博;韩琳;王军平;曹秉刚;
电化学阻抗谱法预测锂电池荷电状态 李革臣;古艳磊;
电动汽车动力电池荷电状态的滑模估计方法 夏晴;刘志远;
变电流下的电池荷电状态定义方法探讨 麻友良,陈全世,朱元
串联锂离子电池组荷电状态评估方法对比 何鹏林;王晓冬;
钛酸锂电池荷电状态的试验研究 沈江;张文斌;全小红;周嵩;陈景玲;
考虑电池荷电状态的光伏功率分段平滑控制方法 叶林;陈政;赵永宁;
电动汽车电池荷电状态估计研究综述 余运俊;谌新;万晓凤;
电动汽车电池荷电状态的估算方法研究及展望 孙骏;李宝辉;
基于RBF神经网络的MH-Ni电池荷电状态预估模型 张秀玲;宋建军;
基于卡尔曼滤波的电动汽车SOC估计 程艳青;高明煜;
基于退役锂动力电池容量、内阻和荷电状态的建模与参数估计 邹幽兰
锂电池荷电状态自适应估计算法研究 罗志亮
电动汽车电池荷电状态及行动力分析研究 张树鹏
电动汽车用锂离子电池荷电状态估计算法的研究 夏晴
锂电池荷电状态预测方法研究 和晓念
电动汽车铅酸蓄电池特性建模与荷电状态估计 马巍
动力锂电池荷电状态估计策略的研究 于洋
超级电容荷电状态计算方法的研究 郝国亮
电动汽车电池组主控及荷电状态估测单元设计与开发 张洪近
基于MARS的车用锂离子电池荷电状态估计的研究 张亚军
锂电池荷电状态（SOC）自适应卡尔曼滤波估算及实现 肖雪峰