本文针对锂离子电池荷电状态(state of charge,SOC)的预测问题,提出了一种基于双重状态转移算法优化RBF神经网络的锂离子电池SOC估算方法。该方法将K-means聚类算法运用于RBF神经网络隐含层个数的确定,采用状态转移算法(state transitio...
详细信息
本文针对锂离子电池荷电状态(state of charge,SOC)的预测问题,提出了一种基于双重状态转移算法优化RBF神经网络的锂离子电池SOC估算方法。该方法将K-means聚类算法运用于RBF神经网络隐含层个数的确定,采用状态转移算法(state transition algorithm,STA)对聚类个数进行优化,合理确定了RBF神经网络的网络结构。基于最优的网络结构,再利用STA优化网络的参数,包括核函数中心点、宽度和连接权值。将训练好的RBF神经网络用于估算锂离子电池SOC。为了证明所提的混合算法的有效性,使用安时积分法和BP神经网络算法进行对比,实验结果表明,该方法优于其他方法。
暂无评论