[发明专利]一种基于改进型BP神经网络的电池SOC值的预测方法

摘要

一种基于改进型BP神经网络的电池SOC值的预测方法，属于电动汽车电池技术领域。本发明采用免疫遗传优化算法优化网络模型，克服了普通遗传优化算法陷入局部极值的缺点，同时保留了遗传算法强大的全局随机搜索能力；本发明利用神经网络较好的非线性拟合能力，挖掘出电池数据与电池SOC值的潜在对应关系，实现了动态电池SOC值的精确预测，便于电池的维护管理，有助于提高电池的效率与使用寿命，同时方法简单，易于实现，准确高效，具有广泛的应用价值。

主权项

1.一种基于改进型BP神经网络的电池SOC值的预测方法，包括以下步骤：步骤1、电池数据采集步骤：采集电动汽车动力电池数据，得到初始的电池数据样本；步骤2、数据预处理步骤：对步骤1采集得到的电池数据进行数据清洗、数据转换和数据降维，得到数据矩阵；步骤3、网络模型搭建步骤：采用三层BP神经网络结构模型建模，得到网络结构模型；步骤4、网络模型优化步骤：利用免疫遗传算法优化步骤3得到的网络结构模型中的权值和阈值，从而构建出优化后的网络结构模型；步骤5、网络结构模型训练步骤：将步骤2得到的数据矩阵进行数据划分，分为训练集和测试集，将训练集的数据导入步骤4优化后的网络结构模型进行网络训练；步骤6、网络模型测试步骤：将步骤5得到的测试集的数据导入步骤5训练后的网络模型中进行测试，得到预测的电池SOC值；步骤7、误差评估步骤：将步骤6预测的电池SOC值与实际的SOC值进行误差计算，当得到的误差小于或等于设定的精度时，输出电池的SOC值；当得到的误差大于设定的精度时，返回步骤3，重新对网络模型进行搭建，直到满足设定的误差精度要求。