关键词：电动汽车;动力电池;荷电状态;核极限学习机;改进麻雀算法
摘 要：为了提高电动汽车动力电池荷电状态(state of charge, SOC)估算结果的准确性，提出了一种基于改进麻雀算法(improved sparrow search algorithm, ISSA)优化核极限学习机(kernel extreme learning machine, KELM)的电动汽车动力电池SOC估算方法。首先，以电压、电流、温度为输入量，以电池SOC为输出量，采用Logistic混沌初始化、惯性权重非线性递减和莱维飞行等策略改进得到的ISSA算法对KELM进行优化；其次，建立了基于ISSA-KELM的电动汽车动力电池SOC估算模型；最后，采用磷酸铁锂电池充放电数据进行仿真分析，并与其他电池SOC估算方法进行对比。仿真结果表明，所提ISSA-KELM模型对测试集预测结果的最大相对误差、平均相对误差和均方根误差分别为6.232%、3.964%和0.0197,诊断精度和模型稳定性均优于其他方法，验证了所提电池SOC估算方法的有效性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取