基于神经网络的电池剩余电量预测算法研究.pdfVIP

摘要

在蓄电池的使用过程中，及时了解蓄电池的剩余电量是非常重要的。但是传统蓄

电池剩余电量估算方法有两个主要的缺点：一是不能在线测量，二是误差较大。由于

电池剩余电量与各影响因素之间存在复杂的非线性关系，故对其建立准确的数学模型

是非常困难的。为了能够有效地对电池剩余电量进行预测，在分析了影响电池剩余电

量相关因素的基础上，提出了基于神经网络的电池剩余电量预测模型，目的是充分利

用该模型能够任意逼近任何多输入输出参数函数的性能。神经网络预测吸取了生物神

经网络诸多优点，例如非线性、非局限性、非常定型、非凸性。通过固定电阻放电来

得到蓄电池的剩余电量，相比于其他方法是最为可靠的。

本文提出的固定电阻放电与神经网络预测剩余电量方法在蓄电池的正常工作过程

中，周期性地切换到固定电阻放电状态，实时地根据该状态下的电池端电压值来估算

电池剩余电量。实验结果证明，该方法相比传统的方法具有能够在线测量、精度高、

无累积误差等特点，因此具有很好的工程实用价值。

关键词：蓄电池；剩余电量；神经网络；固定电阻放电

Abstract

Intheprocessoftheuseofthestoragebattery,timelyunderstandingofbattery

remainingpowerisveryimportant.Butthetraditionalbatterysocestimationmethodhas

twomainshortcomings:oneisnotonlinemeasurement,theotheristheerrorisbigger.

Andbatteryremainingpowerandthereisacomplexnonlinearrelationshipbetween

variousinfluencingfactors,itsisverydifficulttoestablishaccuratemathematicalmodel,in

ordertoeffectivelyforecastthebatteryremainingpower,theinfluenceontheanalysisof

thebatteryresidualcapacityonthebasisoftherelatedfactor,batterysocwasproposed

basedonneuralnetworkpredictionmodel,makefulluseofthemodelcanbearbitrary

closetoanymorethantheperformanceoftheinputandoutputparametersofthe

function.Neuralnetworkpredictionlearnedbiologicalneuralnetwork,alotofadvantage,

suchasnonlinearity,thelimitations,andfinalizethedesign,theconvexityverymuch.

Throughconstantresistancedischargetogetbatteryremainingpower,isthemostreliable

comparedwithothermethods.

Inthispaper,theconstantresistancedischargeandneuralnetworkprediction

methodintheprocessofthenormalworkofthebatterysoc,periodicallytoswitchtofixed

resistancedischargestate,inrealtimeaccordingtotheconditionofbatteryterminal

voltagevaluetoestimatethebatteryremainingpower.The