《表3 整车技术参数：基于神经网络的电池SOC估算及优化方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于神经网络的电池SOC估算及优化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

模型的输入为负载功率P、电流I、温度T及随机干扰信号D，输出为SOC预测值。训练数据采用温度为20℃下，纯电动车整车在CYC＿NEDC（新欧洲行驶循环）工况下的8次循环中电池包的电流、负载功率、温度的0.1s采样值，使用经预处理的15 381个高质量数据样本对模型进行训练和预测。整车参数如表3。8次新欧洲行驶工况曲线如图3，其对应的电池组参数变化曲线如图4，可看出SOC变化是高度非线性，并且受到老化、温度等多因素影响。使用如图5所示的干扰信号模拟随机因素对SOC估计的干扰。运算时间在Intel（R）Core（TM）i7-4510UCUP@2GHz处理器，Matlab平台上对对电池包实验数据进行训练和预测所计算得到，因为不同的芯片运算性能不同，SOC预测时间也不同，但是模型的优化效果具有相同的趋势，这里对模型运算时间进行定性分析。