退役锂动力电池SOC预测建模与分析

摘要

随着锂动力电池退役周期的到来,电池梯次应用具有现实意义.为了解决梯次再利用时退役电池放电非线性变化剧烈引起的电池荷电状态(State of Charge,SOC)预测精度不高问题,提出了一种基于量子粒子群(QPSO)优化RBF神经网络预测退役电池SOC的动态模型,相比经典的粒子群(PSO)优化算法具有更好的稳定性.实验结果表明:该预测模型的误差稳定在1％以内,响应速度快,为锂电池充分利用奠定了理论基础.