基于改进PSO-BP算法的磷酸铁锂电池SOC估算（2015年）

简介：
本研究提出了一种改进的粒子群优化-反向传播(PSO-BP)神经网络算法，用于提升磷酸铁锂(LiFePO4)电池荷电状态(SOC)的估计精度。该方法结合了PSO算法与BP神经网络的优点，通过调整学习率和动量因子优化权重，提高了SOC估算模型的学习效率和准确性，在不同工况下均能保持良好的适应性。 针对电动汽车应用中的50AH磷酸铁锂电池荷电状态（SOC）估算不准的问题，在原有的BP神经网络基础上引入了改进的PSO算法进行优化。该方法提高了BP神经网络的权值和阈值，并将优化后的模型应用于SOC预测，从而减少了SOC估算误差。本段落以50AH磷酸铁锂电池为研究对象，首先在粒子群算法中加入了变异算子，以此来解决原始PSO搜索精度较低及后期迭代效率不高的问题。接着通过实验分析了电压、电流和温度这三个主要参数与电池荷电状态之间的关系，并利用放电试验进一步验证方法的有效性。