-
题名基于两级KELM模型的锂电池荷电状态估计
- 1
-
-
作者
孙波
刘世林
孙超
方乐
-
机构
安徽工程大学高端装备先进感知与智能控制教育部重点实验室
安徽工程大学产业创新技术研究有限公司
-
出处
《安徽工程大学学报》
CAS
2024年第5期1-7,共7页
-
基金
安徽省重点研究与开发计划项目(202004a05020014)
安徽未来技术研究院企业合作项目(2023qyhz32)。
-
文摘
为了提高锂电池荷电状态(State of Charge,SOC)的估计精度,提出一种采用两级核极限学习机(Kernel Extreme Learning Machine,KELM)模型的SOC估计方法。该模型的前后两级分别为SOC预估计模型和误差补偿模型,其内核均采用KELM算法。前一级的SOC预估计模型以电池的工作电压和电流作为输入变量,SOC预估计值作为输出变量;后一级的误差补偿模型以预估计模型的输入和对应的输出作为输入变量,SOC预测误差作为输出变量;然后,采用后一级的误差预测结果对前一级的SOC预估计值进行补偿,得到最终的SOC估计值。为验证该方法的有效性和先进性,分别在锂电池恒流放电工况测试和动态应力测试两种情况下开展了实验研究,对比分析了ELM、KELM和两级KELM三种方法的估计精度。实验结果表明,本文所提的两级KELM模型估计精度有显著提高,最大误差不超过1.36%。
-
关键词
锂电池
荷电状态
两级核极限学习机
误差补偿
-
Keywords
lithium battery
state of charge
two-stage KELM
error compensation
-
分类号
TM911
[电气工程—电力电子与电力传动]
-
