基于BP神经网络的HPPC低温SOC优化估计

摘要

鉴于在低温状态下锂电池实时容量可估计性难度高, 低温环境下瞬时电流电压对瞬态电池容量变化影响效果大. 对Dense全连接层为主体的深度前馈BP网络模型进行了研究, 进行了不同添加层对模型预测值与实际值的影响分析, 采用了[11-9-12]的3层隐藏层BP网络模型以达到较高的精度, 采用了基于SGD扩展的使用动量和自适应学习率来加快收敛速度Nadam优化算法以及Log-cosh损失函数优化模型, 并且采用正则化方法降低过拟合,提高网络泛化能力. 基于HPPC工况下0度低温实验测试数据进行模型的训练以及测试, 经实验测试实现了在不同电压电流条件下所预测的soc误差在0.04左右.