基于ESN的锂电池SOC评估方法与仿真研究
2023年电子技术应用第1期
杜广波1，蔡茂2，张鑫2，范兴明2，程江华1
1.中国联合工程有限公司，浙江 杭州 310052；2.桂林电子科技大学 电气工程及其自动化系，广西 桂林541004
摘要： 以新能源车载锂电池为研究对象，建立基于回声状态网络（ESN）预测锂电池的荷电状态（SOC）评估模型。采用交叉验证方法优选回声状态网络参数，以此解决网络模型的参数选择困难。通过带遗忘因子的递归最小二乘法训练建立的回声状态网络模型，实时更新输出权值矩阵以此提高网络的适应性和精度。通过模型仿真分析验证了预测算法的可行性，进一步对比分析了所建立的ESN预测模型与BP神经网络算法、径向基（RBF）网络算法在UDDS、US06和NYCC工况条件下的锂电池SOC评估预测效果，结果表明所建立的回声状态网络模型方法用于锂电池SOC评估预测的性能和效果优于BP算法和RBF算法，具有较好的应用前景，可以为锂电池SOC长期长效预测评估提供参考。
中图分类号：TP305
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.223057
中文引用格式： 杜广波，蔡茂，张鑫，等. 基于ESN的锂电池SOC评估方法与仿真研究[J]. 电子技术应用，2023，49(1)：45-51.
英文引用格式： Du Guangbo，Cai Mao，Zhang Xin，et al. Research on SOC evaluation method and simulation of lithiumbattery based on echo state network[J]. Application of Electronic Technique，2023，49(1)：45-51.
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.223057
中文引用格式： 杜广波，蔡茂，张鑫，等. 基于ESN的锂电池SOC评估方法与仿真研究[J]. 电子技术应用，2023，49(1)：45-51.
英文引用格式： Du Guangbo，Cai Mao，Zhang Xin，et al. Research on SOC evaluation method and simulation of lithiumbattery based on echo state network[J]. Application of Electronic Technique，2023，49(1)：45-51.
Research on SOC evaluation method and simulation of lithiumbattery based on echo state network
Du Guangbo1，Cai Mao2，Zhang Xin2，Fan Xingming2，Cheng Jianghua1
1.China United Engineering Corporation Limited， Hangzhou 310052， China； 2.Dep.of Electrical Engineering & Automation， Guilin University of Electronic and Technology ，Guilin 541004， China
Abstract： Taking lithium battery of new energy vehicles as the research object,an echo state network (ESN) model is established to predict the state of charge (SOC) of the vehicle's lithium battery. The cross-validation method is used to optimize the parameters of the ESN to solve difficulty to select arameters of the model. The echo state network is trained by recursive least squares method with forgetting factors to calculate the output weight matrix so as to improve the adaptability and accuracy of the network.The feasibility of the prediction algorithm is further analyzed and verified by the model simulation. The research further analyzes and compares the predicted SOC of the established ESN model, the BP neural network algorithm and radial basis function (RBF) network algorithm under UDDS, US06 and NYCC. The research results show that the established echo state network model is superior to the BP algorithm and RBF algorithm in estimating the performance and effect of lithium-ion battery SOC evaluation. Using ESN model to predict SOC has a good application prospect and can provide a reference for long-term and effective SOC prediction of the lithium battery.
Key words : lithium battery；state of charge；echo state network；parameters optimization and selection；cross validation
0 引言
新能源电动汽车锂电池因具有无污染、续航能力强以及可多次循环使用等优点被广泛应用，锂电池荷电状态SOC的预测研究是新能源汽车领域的关键技术。SOC反映了锂电池的剩余可用电量[1-2]，准确预测SOC对于研究新能源电动汽车的续航里程、锂电池合理充放电以及电池健康管理等可提供可靠依据[3]。
锂电池内部化学反应复杂，SOC的变化受温度、电池循环使用次数、充放电倍率和老化等多种因素影响，致使SOC预测困难[4]。常用预测SOC的方法主要有：安时积分法、开路电压法、内阻法和电池模型法。由于这些方法存在误差累积较多[5-6]、应用状态受限[7-8]、无法直接检测实际SOC[9]、参数辨识困难[10-13]等不足，其应用场合受到一定限制。
采用交叉验证法对回声状态网络（ESN）的储备池规模N、谱半径SR、输入缩放IS和输入位移IF进行寻优，并采用带遗忘因子的递归最小二乘法实时调整网络输出权值矩阵。为验证ESN算法的可行性和优越性，将ESN算法在UDDS工况下与BP算法和RBF算法以不同的训练集和测试集进行仿真对比，进而将以上3种算法在UDDS、US06和NYCC工况下进行对比分析。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005075。
作者信息：
杜广波1，蔡茂2，张鑫2，范兴明2，程江华1
（1.中国联合工程有限公司，浙江 杭州 310052；2.桂林电子科技大学 电气工程及其自动化系，广西 桂林541004）
此内容为AET网站原创，未经授权禁止转载。