一种基于改进的BWOA-FNN算法的储能电池SOC估计方法

    公开(公告)号:CN116609672B

    公开(公告)日:2024-05-07

    申请号:CN202310557967.9

    申请日:2023-05-16

    Abstract: 本发明公开了一种基于改进的黑寡妇优化算法(Black Widow Optimization Algorithm,BWOA)‑前馈神经网络算法(Feedforward Neural Network,FNN)的储能电池荷电状态(State of charge,SOC)估计方法,包括:在仿真软件中搭建储能电池充放电仿真模型,获取其在多个温度条件下的原始数据序列(包括实测量:电压、电流、温度、平均电压、平均电流以及目标状态量:SOC);然后对数据进行主成分分析(Principal Component Analysis,PCA),选取其中方差累计贡献率较高的实测量替代原始的高维数据;建立储能电池SOC估计的FNN模型,并对FNN模型进行训练,在训练过程中使用改进的BWOA来迭代和优化模型参数;最后,将实测数据输入训练后的模型从而准确估算储能电池的SOC值。该方法具有估算精度高、收敛速度快、抗噪声能力强的优点。

Patent Agency Ranking