基于PSO-GRU的锂电池SoC预测  

SoC Prediction for Lithium Battery Based on PSO-GRU

作　　者：蒋永辉[1] JIANG Yonghui(College of Information Science and Technology,Hainan Normal University,Haikou Hainan 571158,China)

机构地区：[1]海南师范大学信息科学技术学院,海南海口571158

出　　处：《信息与电脑》2023年第11期109-111,共3页Information & Computer

基　　金：海南省重点研发计划项目(项目编号:ZDYF2021GXJS023)。

摘　　要：电池荷电状态(State of Charge,SoC)是预防新能源汽车电池过充或过放的重要指标。文章提出一种基于粒子群优化算法-门循环单元(Particle Swarm Optimization-Gate Recurrent Unit,PSO-GRU)的锂电池SoC预测方法。该方法使用粒子群优化算法优化GRU神经网络的超参数,可避免超参数使GRU神经网络训练产生局部最优问题。实验证明,设计方法比只使用GRU神经网络具有更好的预测性能。State of Charge(SoC)of batteries is an important indicator for preventing overcharging or discharging of new energy vehicle batteries.This article proposes a lithium battery SoC prediction method based on Particle Swarm Optimization-Gate Recurrent Unit(PSO-GRU).This method uses PSO to optimize the hyperparameter of GRU neural network,which can avoid the local optimization problem caused by hyperparameter in GRU neural network training.Experiments have shown that this method has better predictive performance than using only GRU neural networks.

关 键 词：荷电状态(SoC)预测 门循环单元(GRU)神经网络 粒子群优化算法(PSO)算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]