[发明专利]一种新能源汽车电池荷电状态SOC预测方法

摘要

本发明涉及一种新能源汽车电池荷电状态SOC预测方法，包括网络初始化、隐含层输出计算、输出层输出计算、误差计算、权值更新、阈值更新、判断算法迭代是否结束以及预测输出电池使用SOC值步骤，本发明的有益效果是由于采用了径向基函数RBF神经网络原理，径向基网络的输出和权值之间为线性关系，故所需训练时间要比前向BP网络少，且由于局部响应特点，径向基网络能够以任意精度逼近任意连续函数，提高了预测模型的准确性。同时，神经网络具有逼近多输入输出参数函数、高度的非线性、鲁棒性和容错性等特点，对于外部激励能够给出相应的输出，可以不需要建立数学模型而对电池内部复杂系统进行预测和控制。

主权项

一种新能源汽车电池荷电状态SOC预测方法，其特征在于，包括以下步骤：(1)网络初始化，根据系统输入输出序列(X，Y)确定网络输入层节点数n、隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值wij，wjk，初始化隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数；(2)隐含层输出计算，根据输入变量X，输入层和隐含层间连接权值wij，以及隐含层阈值a，计算隐含层输出H，计算公式为：其中j＝1,2,...,l；式中，l为隐含层节点数；f为隐含层激励函数，计算公式为：radbas(n)＝e‑n2；(3)输出层输出计算，根据隐含层输出H，连接权值wjk和阈值b，计算径向基函数RBF神经网络预测输出O，计算公式为：其中k＝1,2,...,m；(4)误差计算，根据网络预测输出和期望输出Y，计算网络预测误差e，计算公式为ek＝Yk‑Ok，其中k＝1,2,...,m；(5)权值更新，根据网络预测误差e更新网络连接权值wij和wjk,wij计算公式为：其中i＝1,2,...,n、j＝1,2,...,l；wjk计算公式为：wjk＝wjk+ηHjek，其中j＝1,2,...,l、k＝1,2,...,m；(6)阈值更新，根据网络预测误差e，更新网络节点阈值a和b，阈值a计算公式为：其中j＝1,2,...,l；阈值b计算公式为：bk＝bk+ek,其中k＝1,2,...,m；(7)判断算法迭代是否结束，若没有结束，返回步骤(2)；(8)输入一个新的电池使用状态数据向量，根据神经网络模型对电池使用SOC值进行预测输出。