改进的动量项BP神经网络电池SOC估算

摘要

为提高动力电池的荷电状态(SOC)估算精度,延长使用寿命,利用BP神经网络思想,提出基于python编程的改进型自适应动量项BP神经网络算法.以额定容量为29 Ah的三元正极材料锂离子电池为实验对象,在电压、电流和温度的基础上,引入内阻和已放电量作为神经网络模型的输入项,并利用模型的实际输出值和期望值的误差均方差,动态调整每一步迭代过程中的动量项.与传统BP神经网络算法相比,改进后的算法收敛速度提升了80％,估算误差稳定在20％以内.