凤志民, 田　丽

(安徽工程大学 电气工程学院，安徽 芜湖 241000)



基于AFSA-RBF神经网络的电动汽车动力电池SOC预测*

凤志民, 田丽

(安徽工程大学 电气工程学院，安徽 芜湖 241000)

传统的电池荷电状态(State of Charge,SOC)估计方法是基于精确的数学模型，它依赖于大量的建模假设和经验参数，故模型预测SOC精度是有限的；为了提高动力电池SOC预测的精度，提出利用人工鱼群算法(Artificial Fish Swarm Algorithm, AFSA)优化径向基神经网络(RBF)对SOC进行预测，解决了RBF网络参数选择的不确定性；仿真实验结果表明：方法能方便、快速、准确地实现对SOC的预测，且具有实际使用价值。

电动汽车电池；荷电状态SOC预测；径向基神经网络；人工鱼群算法

随着能源问题和环境问题的双重压力，国家大力倡导使用清洁新能源，一些诸如太阳能、风能、潮汐能、核能、生物化学能等清洁的新能源正在逐步的步入人类的工业生产和实际生活之中。以新能源发电为主要动力的电动汽车得到了大力的发展，电动汽车动力电池荷电状态的管理与预测估算对发展电动汽车起着重要的作用。

介于电动汽车的动力电池系统内部结构极其复杂，具有复杂的非线性，很难对其建立稳定而准确有效地电池等效模型(电化学模型、电路模型等模型)，为保证电动汽车电池的安全稳定运行、使其在原有的使用寿命基础上加以延长和提高电池使用效率，需要对电池SOC进行准确高精度的加以预测[1]。目前国内外对电池荷电状态的预测方法有很多，如放电法、比重法、开路电压法、等效电路法、卡尔曼滤波法等方法[2-3]，然而这些方法的应用都具有各自的局限性，只可以在一些特定的场合下应用，泛化性能较差，在一些复杂的工况环境下不适宜推广应用。……