【原】基于ESN的锂电池SOC评估方法与仿真研究

作者：

杜广波1，蔡茂2，张鑫2，范兴明2，程江华1

作者单位：

1.中国联合工程有限公司，浙江 杭州 310052；

2.桂林电子科技大学 电气工程及其自动化系，广西 桂林541004。

摘要：

以新能源车载锂电池为研究对象，建立基于回声状态网络（ESN）预测锂电池的荷电状态（SOC）评估模型。采用交叉验证方法优选回声状态网络参数，以此解决网络模型的参数选择困难。通过带遗忘因子的递归最小二乘法训练建立的回声状态网络模型，实时更新输出权值矩阵以此提高网络的适应性和精度。通过模型仿真分析验证了预测算法的可行性，进一步对比分析了所建立的ESN预测模型与BP神经网络算法、径向基（RBF）网络算法在UDDS、US06和NYCC工况条件下的锂电池SOC评估预测效果，结果表明所建立的回声状态网络模型方法用于锂电池SOC评估预测的性能和效果优于BP算法和RBF算法，具有较好的应用前景，可以为锂电池SOC长期长效预测评估提供参考。

引言：

新能源电动汽车锂电池因具有无污染、续航能力强以及可多次循环使用等优点被广泛应用，锂电池荷电状态SOC的预测研究是新能源汽车领域的关键技术。SOC反映了锂电池的剩余可用电量^[1-2]，准确预测SOC对于研究新能源电动汽车的续航里程、锂电池合理充放电以及电池健康管理等可提供可靠依据^[3]。

锂电池内部化学反应复杂，SOC的变化受温度、电池循环使用次数、充放电倍率和老化等多种因素影响，致使SOC预测困难^[4]。常用预测SOC的方法主要有：安时积分法、开路电压法、内阻法和电池模型法。由于这些方法存在误差累积较多^[5-6]、应用状态受限^[7-8]、无法直接检测实际SOC^[9]、参数辨识困难^[10-13]等不足，其应用场合受到一定限制。

采用交叉验证法对回声状态网络（ESN）的储备池规模N、谱半径SR、输入缩放IS和输入位移IF进行寻优，并采用带遗忘因子的递归最小二乘法实时调整网络输出权值矩阵。为验证ESN算法的可行性和优越性，将ESN算法在UDDS工况下与BP算法和RBF算法以不同的训练集和测试集进行仿真对比，进而将以上3种算法在UDDS、US06和NYCC工况下进行对比分析。

文章来源：《电子技术应用》杂志1月刊