应用类神经网路於锂电池之剩余电量估测

1、2010/03/231應用類神經網路於鋰電池之剩餘電量估測 指導教授：陳沛仲老師 報告者：陳志豪2010/03/232目錄 1.摘要2.電池充、放電方式3.實驗設備4.剩餘電量估測系統 5.倒傳遞類神經網路6.實驗結果7.結論8.未來規劃2010/03/233摘要 本研究是以類神經網路為基本架構，提出一鋰電池的剩餘電量估測系統。以倒傳遞演算法及最陡坡降法來訓練類神經網路，獲得最佳權重及偏權值，完成類神經網路的訓練。2010/03/234電池充、放電方式充電方式：採用定電流充電法，為了避免過充電的情況發生，必須對充電時間加以限制或是加入額外的充電停止條件。其設定如下所示：充電電壓：29.2 V充

2、電電流：3 A充電停止條件：當電壓已達穩態且電流降至0.05A 時，維持30分鐘立即將電池停止充 電。2010/03/235放電方式：利用直流無刷馬達在不同大小的負荷中運轉，借此讓電池耗電，而為了要限制估測的範圍，設定了一個放電截止條件，如下所示：最小負荷：0.1Nm放電停止條件：當負荷已達最小負荷且馬達也從運 轉中停止時，此為放電停止條件。2010/03/236實驗設備電流-電壓轉換器實驗設備架構示意圖負載電流負載扭力、轉速負載電壓2010/03/237馬達控制器分壓器 (10:1)鋰鐵電池馬 達電 腦磁粉式電力制動器及控制器電流-電壓轉換器Labview電壓電流扭力轉速Labview：用來

3、抓取數據，其數據的抓取如下所示2010/03/238剩餘電量估測系統為了描述電池的剩餘電量，必須先定義電池的電容量： 其次，定義電池剩餘電量： 是鋰電池的初始電容量， 是目前的電容量，I(t)是放電電流，Cestimated是估測的電容量，Cremoved是被消耗的電容量。 dttItCtCn0 %CCC%SOCestimatedremovedestimated100 0tC ntC2010/03/239倒傳遞類神經網路1x2x3x 輸入層 第一隱藏層 第二隱藏層 輸出層 jbkbijkjiwkjwlkwy2010/03/2310minmaxminzzzzxz是正規化變數，zmax是z的最大值

4、，zmin是z的最小值。 剩餘電量估測系統的輸入變數為x1、x2和x3分別代表正規化後的負載電壓、負載電流和累積輸出功；輸出變數y代表正規化後的電池剩餘電量。2010/03/2311定義目標函數: 221yyE* xexf11定義活化函數: njnjnetfynjininjinjbywnet1輸出: 其中由最陡坡降法，網路權重的調整幅度和目標函數對權重的導函數大小成正比關係，可表示如下： wEw2010/03/2312權重的調整法則如下: 2311jjnetnetkjkkjijieewtwtw 2411kknetnetlkllkjkjeewtwtw 211llnetnet*lklkeeyytw

5、twnknknetE其中:2010/03/2313同理，偏權值的調整幅度可表示如下：bEb偏權值的調整法則如下： 2311jjnetnetkjkkjjeewtbtb 2411kknetnetlkllkkeewtbtb2010/03/2314剩餘電量估測系統架構圖+-剩餘電量估測系統x1, x2, x3yy*調整wji, wkj, wlk, bj & bk2010/03/2315隨機產生初始權重與偏權值，令t = 0t = t +1，計算SOC調整權重與偏權值計算RMSERMSE em and t tm ?給定tmax, tm, emax & em結束開始RMSE tmax?正規

6、化訓練資料AABBNOYESNOYES剩餘電量估測系統的學習流程 21121Nii*iyyNRMSE2010/03/2316實驗結果經過20000次的學習，均方根誤差可收斂到0.002686 00.511.52x 10400.050.10.150.2Root Mean Square ErrorLearning epoch2010/03/2317測試樣本有V25_T07、V25_T05、V20_T07、V20_T05、V20_T03和 V15_T05六個測試樣本。 每一個測試樣本皆取其中的10點來做剩餘電量估測，並和真實的剩餘電量做比較，且以均方根誤差Errrms來評估其正確性。 均方根誤差Er

7、rrms定義如下： 211012101ii*irmsSOCSOCErr2010/03/23180246810102030405060708090100SOC (%)DataReal SOC*Estimated SOC0246810102030405060708090100SOC (%)DataReal SOC*Estimated SOCV25_T05V25_T07均方根誤差0.3357均方根誤差0.44582010/03/23190246810020406080100SOC (%)DataReal SOC*Estimated SOC0246810102030405060708090100SOC

8、 (%)DataReal SOC*Estimated SOCV20_T05V20_T07均方根誤差0.5557均方根誤差0.43332010/03/23200246810020406080100SOC (%)DataReal SOC*Estimated SOC0246810102030405060708090100SOC (%)DataReal SOC*Estimated SOCV15_T05V20_T03均方根誤差0.2112均方根誤差0.43942010/03/2321測試樣本Errrms (%)V25_T070.3357V25_T050.4458V20_T070.5557V20_T050.4333V20_T030.2112V15_T050.4394從這些實驗結果知，應用本文所提的方法來估測鋰電池的剩餘電量是有效率且是可行的方法。 2010/03/2322結論 雖然鋰電池具有非線性特性，利用類神經網路所建立之鋰電池剩餘