[发明专利]一种基于神经网络的电池功率状态预测方法和系统

权利要求书

1.一种基于神经网络的电池功率状态预测方法，其特征在于，包括以下步骤：

(1)建立针对同类电池历史实验数据的少样本的新电池功率状态预测与预测修正系数的广义神经网络预测模型；

(2)根据步骤(1)得到的广义回归神经网络预测模型，利用DSA算法优化上述模型；

(3)根据步骤(2)优化后的模型得出电池预测结果；

(4)根据步骤(3)得到的电池功率状态预测结果，对车辆的能源分配进行智能调控。

2.根据权利要求1所述的一种基于神经网络的电池功率状态预测方法，其特征在于，所述步骤(1)具体为：

(1.1)将GRNN神经网络分为少样本状态预测模型与修正预测模型两个部分，结合两个模型建立GRNN神经网络电池功率状态预测模型；

(1.2)建立GRNN神经网络电池功率预测模型，公式如下：

Q(t)＝K(t)Q₁(t)

式中，Q(t)表示修正后的预测结果，Q₁(t)表示少样本预测模型的预测结果，K(t)表示补偿修正预测模型结果；

(1.3)计算GRNN神经网络电池功率预测模型输出层，公式如下：

式中，n为样本容量，p为随机变量x的维数，δ为高斯函数的宽度系数，即光滑因子，X_i和Y_i为随机变量x和y的样本观测值；

(1.4)建立预测模型的平均误差函数构建的适应度函数，公式如下：

式中，m是B子集测试样本个数，是B子集中第j个个体实际输出值。

3.根据权利要求1所述的一种基于神经网络的电池功率状态预测方法，其特征在于，所述步骤(2)具体为：

(2.1)初始化参数，输入影响电池功率状态预测模型精度的量：高斯核宽度系数σ；

(2.2)初始化种群：将种群数量设置为N，分组数目设置为D，最大迭代次数为Maxiter；

(2.3)创建组并让鸭群进行排队，找到所有成员进行适应度，位置公式如下；

X_i＝L_b+(U_b-L_b)o

式中，Xi表示第i只鸭在鸭群中的空间位置，i＝1，2，3，…，N，N为种群大小数；U_b和L_b分别代表搜索空间的上限和下限，o是(0，1)之间的随机数矩阵；

(2.4)鸭群的自适应机制勘探公式如下；

K＝sin(2rand)+1

式中，sign(r-0.5)对搜索食物的过程有影响，能够设置为-1或1；μ表示控制全局搜索的参数；p是勘探阶段的搜索转换概率；CF1和CF2分别表示搜索阶段鸭子之间的竞争与合作系数；表示第t次迭代中的最佳鸭子位置的历史值；表示第t次迭代中鸭群在周围搜索食物的代理；

(2.5)在鸭群的勘探结束后，根据适应度选择最佳鸭子位置；如果其中一名鸭子的适应度优于当前最佳鸭子，则它们的位置将根据下式子进行更改：

式中，μ表示开发阶段全局搜索的控制参数；参数KF₁和KF₂分别表示开发阶段鸭子之间的合作和竞争系数；表示第t次迭代中当前历史值的最佳鸭子位置；和表示t次迭代中鸭群觅食中周围的代理，k≠j；

(2.6)如果达到终止标准，则转至步骤(2.7)；否则，转至步骤(2.3)；

(2.7)输出得到的最优解。