薛萍　宋岩亮

摘要：人工神经网络通过模拟人脑神经网络的方式记忆、处理信息，具有很高的智能性，近些年来，被广泛应用在太阳能用铅酸蓄电池剩余电量预测的研究中，但是，收敛速度慢、对初值敏感以及较易陷于局部极小值等是单一神经网络算法难以解决的缺点，针对该问题，将蚁群算法进行改进并与BP神经网络相融合，先采用改进的蚁群算法将BP神经网络的权值参数进行全局训练，然后，采用BP神经网络算法进一步进行局部学习，从而获得最优的BP神经网络权值.最后，通过MATLAB仿真和实验验证了本课题所采用的改进蚁群与BP网络融合算法能明显改善BP网络的收敛速度以及预测精度，能准确地预测出太阳能蓄电池SOC。

关键词：太阳能铅酸蓄电池sOc；改进蚁群算法；蚁群与BP网络融合

DoI：10.15938/j.jhust.2016.05.018

中图分类号：TK02

文献标志码：A

文章编号：1007-2683（2016）05-0095-05

0.引言

太阳能路灯系统中，光伏电池利用光生伏打效应原理产生电能.白天，光伏电池将太阳能转换为电能存人蓄电池；晚上，蓄电池为太阳能路灯提供电能，太阳能道路照明系统由光伏电池、太阳能用铅酸蓄电池、控制器和LED路灯等组成.铅酸蓄电池是太阳能照明系统非常重要的组成部分，但是，相对其他组成部分来说，铅酸蓄电池成本高昂、寿命偏短，因此，对蓄电池进行科学管理是必不可少的一部分，要提高蓄电池寿命，准确预测蓄电池剩余电量是基本前提之一，蓄电池剩余电量（state of charge，SOC），代表电池使用一段时间或长期搁置……