基于BP神经网络的动力电池SOC估算

赵 钢，孙豪赛，罗淑贞

(1.天津理工大学天津市复杂控制理论与应用重点实验室，天津300384；2.河北工业大学计算机科学与软件学院，天津300401)

基于BP神经网络的动力电池SOC估算

赵 钢1，孙豪赛1，罗淑贞2

(1.天津理工大学天津市复杂控制理论与应用重点实验室，天津300384；2.河北工业大学计算机科学与软件学院，天津300401)

电池荷电状态(SOC)的预测是影响电动汽车发展的关键技术之一，采用经典BP神经网络控制算法完成了动力电池的SOC估算研究。通过设计工况实验，在Matlab中对该算法进行了仿真验证，结果表明该算法能够很好地拟合动力电池充放电特性，误差可以减小到5%以内。

动力电池；BP神经网络；荷电状态；Matlab

电池荷电状态(SOC)用来表征动力电池中剩余电量的多少，决定了电动汽车的可续驶里程，为驾驶者做出正确的驾驶决策提供了直观参考。目前，常用的电池SOC估算方法[1-2]有：开路电压法、安时计量法、内阻法、卡尔曼滤波法等。这些方法不但对电池模型要求高，而且可靠性低。

神经网络法是一种新型智能控制算法，采用并行处理结构，不需要建立精确的数学模型[3]，通过模拟人脑学习机能，从数据中分析输入量与输出量间的对应关系，对于解决非线性问题有着独特的优势。本文采用经典BP神经网络算法进行SOC估算，并在Matlab中仿真验证该方法，结果表明该方法估算精度保持在5%以内。

1 BP神经网络原理

BP神经网络是一种“信号前向传递、误差反向传播”[4]的网络模型，一般采用3层结构，即输入层、隐含层和输出层。每一层均由若干非线性处理单元组成，相邻层之间通过突触权阵连接起来[5]。前一层的输出作为下一层的输入，网络结构如图1所示。网络的训练需要一套输入输出样本集，以误差为标准，训练过程中不断调整权值重复计算，直到满足误差要求。

图1 BP神经网络模型

式中：ρ为隐含层单元的变换函数，一般为单调可微的Sigmoid函数或Tan函数，目的是方便求导，寻找误差导函数梯度最小解；σ为输出层变换函数，一般为线性函数；θ为阙值。

训练网络权值的修正采用梯度下降法，训练过程如下：

(1)计算误差

(2)修正权值

2 BP神经网络模型的建立

由于神经网络的特殊结构，可以允许有多个变量作为预测条件。本文采用“四输入一输出”结构，将影响电池放电特性的主要因素放电电压、放电电流、电池表面温度以及当前放电总量作为输入量，SOC为输出，网络结构如图2所示。

图2 BP神经网络结构图

3 工况实验设计

本文采用的动力电池额定容量为11.5 Ah，在电池充满电后搁置1 h，放在室温25℃条件下以1/3放电至2 V，认为此过程电池电量从100%完全放电至0。其中，每两秒记录一次数据，随机取2 000组作为训练样本，170组作为测试样本。

4 网络训练与预测

样本选取后对网络进行训练，训练流程如图3所示。

图3 网络训练流程图

对权值的初始化选择不大于1的随机小数，设定最大训练步数为200，目标值为0.001，训练过程如图4所示，经过55步的训练，网络误差达到0.001 509 4，达到设计精度要求。

图4 训练误差曲线

以此网络为基础，输入测试样本，测试网络有效性和收敛性，结果如图5、图6所示。

图5 SOC跟踪曲线

图6 SOC误差曲线

由图5可知，经过训练的网络实现了对电池SOC的准确预测，体现出良好的跟随性。图6验证了这一算法的准确性，预测误差均在5%以内，很好地满足了控制要求。

5 结语

通过理论分析和仿真验证得知，BP神经网络控制算法能够实现对动力电池SOC估算的目标，并具有较高的准确性和有效性，算法本身克服了传统算法因过度依赖电池数学模型造成的局限性和不可靠性，为实现动力电池SOC的准确预测提供了一种新途径。

[1]时玮，姜久春，李索宇，等.磷酸铁锂电池SOC估算方法研究[J].电子测量与仪器学报，2010，24(8)：769-774.

[2]林成涛，王平军，陈全世.电动汽车SOC估计方法原理与应用[J].电池，2004，34(10)：376-378.

[3]赵瑞.基于神经网络的HEV动力锂电池组能量管理策略[D].河南：河南科技大学，2012.

[4]项宇，刘春光，苏建强，等.基于BP神经网络的动力电池SOC预测模型与优化[J].电源技术，2013，37(6)：963-986.

[5]韦巍.智能控制技术[M].北京：机械工业出版社，2013.

Estimation of power battery SOC based on BP neural network

The estimation of power battery state of charge(SOC)is one of the key technologies for electric vehicles' development.The research of battery SOC estimation was completed based on classic BP neural network control algorithm.It was tested and simulated in Matlab though designing working conditions.The results show that this algorithm could perfectly fit the charging and discharging characteristics of power battery.

power battery;BP neural network;state of charge(SOC);Matlab

TM 912

A

1002-087 X(2016)04-0818-02

2015-09-05

国家高技术研究发展计划(2011AA11A279)

赵钢(1962—)，男，天津市人，教授，主要研究方向为电力电子应用及计算机控制。