[发明专利]一种基于人工生命模型的锂电池组SOC预测方法

摘要

本专利发明了一种基于人工生命模型的锂电池组SOC预测方法，该方法包括人工生命模型建立和人工生命模型进化两部分。首先，建立锂电池SOC预测的人工生命模型。其次，为了使人工生命体可以更快速地学习，从而引入人工神经网络并将QPSO算法作为人工生命体的学习算法。之后，将采集电动汽车锂电池组的历史充放电数据以及对应的SOC数据提供给人工生命体进而使它们不断进化。再次，进化完成时，选取最优的种群中的最优个体作为预测锂电池SOC的模型。最后，通过测试数据对所得模型进行评估，并计算出模型的准确率。本发明无需复杂的参数配置，就可以准确地获得预测结果，而且预测精度高、误差小，预测成本低，可广泛应用于电动汽车的控制行业中。

主权项

1.一种基于人工生命模型的锂电池组SOC预测方法，其特征在于，包括具体步骤：S1、建立基本人工生命体模型；S2、改善基本人工生命体模型的结构；S3、改进人工生命体模型的学习算法。S4、采集锂电池组的历史充放电数据以及对应的SOC数据；S5、对锂电池组的历史充放电数据以及对应的SOC数据进行归一化处理；S6、将处理完成的数据输入到每个个体元胞中去，并赋予元胞空间内的每个元胞一套自身的网络权重系数，利用权重网络计算每个元胞的实际输出，若元胞空间的平均实际输出达到标准或者完成训练步数，则结束算法，否则继续。S7、计算适应度。比较期望输出与每个元胞的实际输出，计算每个元胞的适应度。S8、选择与复制。每个元胞均在邻居范围内选择适应度最大的个体作为学习对象，每个元胞对选择出的邻居中的优秀个体进行复制操作，更新自身的网络权重系数，然后返回步骤S6。