《电子技术应用》2023年第49卷第1期MeasurementControlTechnologyandInstruments测控技术与仪器仪表基于ESN的锂电池SOC评估方法与仿真研究*杜广波1，蔡茂2，张鑫2，范兴明2，程江华1（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。关键词：锂电池；荷电状态；回声状态网络；参数优化选择；交叉验证中图分类号：TP305文献标志码：ADOI:10.16157/j.issn.0258-7998.223057中文引用格式：杜广波，蔡茂，张鑫，等.基于ESN的锂电池SOC评估方法与仿真研究[J].电子技术应用，2023，49(1)：45-51.英文引用格式：DuGuangbo，CaiMao，ZhangXin，etal.ResearchonSOCevaluationmethodandsimulationoflithiumbatterybasedonechostatenetwork[J].ApplicationofElectronicTechnique，2023，49(1)：45-51.ResearchonSOCevaluationmethodandsimulationoflithiumbatterybasedonechostatenetworkDuGuangbo1，CaiMao2，ZhangXin2，FanXingming2，ChengJianghua1(1.ChinaUnitedEngineeringCorporationLimited，Hangzhou310052，China；2.Dep.ofElectricalEngineering&Automation，GuilinUniversityofElectronicandTechnology，Guilin541004，China)Abstract：Takinglithiumbatteryofnewenergyvehiclesastheresearchobject,anechostatenetwork(ESN)modelisestablishedtopredictthestateofcharge(SOC)ofthevehicle'slithiumbattery.Thecross-validationmethodisusedtooptimizetheparam‐etersoftheESNtosolvedifficultytoselectarametersofthemodel.Theechostatenetworkistrainedbyrecursiveleastsquaresmethodwithforgettingfactorstocalculatetheoutputweightmatrixsoastoimpr...
