信息与控制

作者：赵超, 王延峰, 林立

关键词：灰狼算法, 混沌映射, 高斯变异, 核极限学习机, SOC估计

动力电池荷电状态（SOC）是电动汽车电池管理系统（BMS）的一个重要技术指标，针对锂电池SOC难以精确估算的问题，提出一种基于改进灰狼算法（IGWO）优化核极限学习机（KELM）的SOC估计方法.为了克服标准GWO算法存在早熟收敛、易陷入局部最优等缺陷，算法首先采用混沌映射和反向学习策略产生初始灰狼种群，其次引入收敛因子非线性调整机制来提升算法的整体收敛速度，最后利用高斯变异及贪婪选择算子更新最优解位置，以降低算法陷入局部极值的概率.通过5个标准测试函数的仿真实验证明了该算法具有更好的寻优能力.利用IGWO算法对核极限学习机的参数进行寻优，并建立起基于KELM的电池SOC估计模型，分别采用美国城市动态循环驱动工况（UDDS）模拟工况下数据和恒流放电实验数据进行仿真研究，结果表明本文所提的方法估算效果优于ELM、KELM、GWO-KELM、扩展卡尔曼滤波器（EKF）和无迹卡尔曼滤波器（UKF），对锂电池系统优化管理具有指导意义.

来源：2021年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2021年第6期