www.ChinaAET.comComputerTechnologyandItsApplications计算机技术与应用基于levy飞行优化BOA-BP网络的电池SOC估计*李畅，王琪，姜佳怡（西安工业大学电子信息工程学院，陕西西安710021）摘要：目前电动汽车动力输出的来源主要是动力电池，其荷电状态（StateofCharge，SOC）表示电池的剩余电量情况，精确估算SOC对于电池的使用安全有重要意义。将蝴蝶优化算法（ButterflyOptimizationAlgorithm，BOA）进行改进并用于优化BP神经网络估算动力电池SOC，解决了普通BP网络估计SOC时遇到的训练时间长、收敛慢、精度较低、易陷入局部最优解的问题；同时提升了全局搜索速度，选取电压和电流为输入变量、SOC为输出变量，根据误差的大小调整神经网络的权值和阈值。仿真结果表明，优化后得到的SOC估计结果误差率控制在1.1%以内，该方法寻优速度快，具有更好的鲁棒性。关键词：荷电状态估计；蝴蝶优化算法；BP神经网络；Levy飞行中图分类号：TP13文献标志码：ADOI:10.16157/j.issn.0258-7998.222834中文引用格式：李畅，王琪，姜佳怡.基于levy飞行优化BOA-BP网络的电池SOC估计[J].电子技术应用，2023，49(4)：88-91.英文引用格式：LiChang，WangQi，JiangJiayi.BatterySOCestimationbasedonLevyflightoptimizationofBOA-BPnetwork[J].ApplicationofElectronicTechnique，2023，49(4)：88-91.BatterySOCestimationbasedonLevyflightoptimizationofBOA-BPnetworkLiChang，WangQi，JiangJiayi(CollegeofElectronicInformationEngineering，Xi′anTechnologicalUniversity，Xi′an710021，China)Abstract：Atpresent,thepoweroutputofelectricvehiclesismainlyderivedfrompowerbatteries,whoseStateofCharge(SOC)representstheremainingpowerofbatteries.AccurateestimationofSOCisofgreatsignificanceforthesafetyofbatteryuse.But‐terflyOptimizationAlgorithm(BOA)wasimprovedandusedtooptimizeBPneuralnetworktoestimateSOCofpowerbattery,whichsolvedtheproblemsoflongtrainingtime,slowconvergence,lowaccuracyandeasytofallintolocaloptimalsolution.Atthesametime,theglobalsearchspeedisimproved,voltageandcurrentareselectedasinputvariables,SOCasoutputvariables,andtheweightandthresholdofneuralnetworkareadjustedaccordingtothesizeoferror.SimulationresultsshowthattheerrorrateofSOCestimationresultsobtainedafteroptimizationiscontrolledwi...
