[發明專利]基于縱橫交叉優化神經網絡的電池SOC估算方法

在審

• 申請號: 201810692602.6
• 申請日: 2018-06-29
• 公開（公告）號: CN109143093A
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 吳杰康
• 申請（專利權）人: 廣東工業大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/382;G01R31/387
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

1.基于縱橫交叉優化神經網絡的電池SOC估算方法，其特征在于,包括以下步驟：

S1：獲取數據樣本，并進行樣本數據歸一化處理；

S2：分析影響電池SOC的主要因素，構建BP神經網絡結構；

S3：算法參數初始化；

S4：計算BP神經網絡的輸出值以及各層之間的連接權值與各項閾值；

S5：根據BP神經網絡的輸入值和輸出值，以BP網絡的實際輸出值和期望輸出值的均方誤差作為CSO的適應度函數，計算每個CSO粒子的適配值，得到粒子的個體最優值與全局最優值，然后將CSO個體的最優值與全局最優值作比較，取適配值優者作為當前最優位置；

S6：利用縱橫交叉算法對BP神經網絡的權值和閾值進行優化；

S7：重復步驟S5和S6，直到滿足結束條件為止；

S8：將CSO算法優化得到的參數作為BP神經網絡的初始權值和閾值，并將初始權值和閾值代入BP神經網絡算法中進行訓練；若BP神經網絡的輸出誤差值滿足預定的誤差精度，則停止迭代，輸出結果；否則，回到步驟S5，重新進行優化迭代，直至滿足BP神經網絡算法的最小允許誤差為止。

2.根據權利要求1所述的基于縱橫交叉優化神經網絡的電池SOC估算方法，其特征在于,所述步驟S2中的分析過程如下：

S2-1：進行電池SOC與開路電壓的關系分析，根據SOC-OCV曲線來估算電池的SOC；

S2-2：進行電池SOC與溫度的關系分析，得出不同溫度情況下，電壓與SOC的關系曲線；

S2-3：進行電池SOC與放電電流的關系分析，得到不同倍率放電時電壓與容量關系曲線。

3.根據權利要求1所述的基于縱橫交叉優化神經網絡的電池SOC估算方法，其特征在于,所述步驟S2中，選取電池的放電電流I、電池組電壓U以及環境溫度T作為BP神經網絡結構的輸入層的輸入矢量，并且三個影響因子彼此獨立，網絡的輸出矢量為電池SOC，進行BP神經網絡模型構造。

4.根據權利要求1所述的基于縱橫交叉優化神經網絡的電池SOC估算方法，其特征在于,所述步驟S3算法參數初始化具體為：輸入BP神經網絡算法的拓撲結構、最小允許誤差值；輸入CSO算法的種群規模，粒子維度數目，最大迭代次數，橫向交叉概率和縱向交叉概率。

5.根據權利要求1所述的基于縱橫交叉優化神經網絡的電池SOC估算方法，其特征在于,所述步驟S4計算BP神經網絡的輸出值以及各層之間的連接權值與各項閾值的具體過程如下：

S4-1：選取第k個輸入樣本x(k)以及對應的期望輸出d₀(k)：

x(k)＝(x₁(k),x₂(k),...,x_n(k))；

d₀(k)＝(d₁(k),d₂(k),...,d_q(k))；

S4-2：計算隱含層個神經元的輸入hi_h(k)與輸出ho_h(k)以及輸出層神經元的輸入yi_o(k)與輸出yo_o(k)：

ho_h(k)＝f(hi_h(k)) h＝1,2,...,p；

yo_o(k)＝f(yi_o(k)) o＝1,2,...,q；

S4-3：根據輸出層期望輸出和實際輸出以及輸出層輸入，計算函數e對輸出層各神經元的偏導數：

誤差函數

S4-4：根據輸出層的靈敏度δo(k)，隱含層連接權值w以及輸出層的輸入值，計算誤差函數對隱含層各神經元的偏導數：

S4-5：利用步驟S4-3中的偏導數來修正輸出層連接權值：

S4-6：利用步驟S4-4中的偏導數來修正隱含層連接權值：