期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进果蝇算法优化的最小二乘支持向量机动力锂电池荷电状态预测
被引量:
1
1
作者
李雪林
孙玉坤
《南京工业大学学报(自然科学版)》
CAS
北大核心
2023年第6期676-681,共6页
荷电状态(SOC)是动力锂电池管理系统的重要参数,使用传统算法优化锂电池SOC预测模型参数,收敛性相对较差,容易陷入局部最优解。对此,采用改进果蝇算法(IFOA)对最小二乘支持向量机(LSSVM)的参数进行优化,通过引入自适应松弛项来提高预测...
荷电状态(SOC)是动力锂电池管理系统的重要参数,使用传统算法优化锂电池SOC预测模型参数,收敛性相对较差,容易陷入局部最优解。对此,采用改进果蝇算法(IFOA)对最小二乘支持向量机(LSSVM)的参数进行优化,通过引入自适应松弛项来提高预测精度和收敛速度,获取全局最优解。选用磷酸锂电池为研究对象,测量其工作电压、工作电流和SOC,并将数据作为测试集,在MATLAB平台上建立基于IFOA优化的最小二乘支持向量机SOC预测模型。结果表明:IFOA优化的LSSVM动力锂电池SOC预测结果和实测结果吻合良好,平均绝对误差(MAPE)为1.02%,泛化能力强,预测精度相较果蝇算法最小二乘支持向量机(FOA LSSVM)和贝叶斯算法最小二乘支持向量机(BEF LSSVM)模型的精度更高。
展开更多
关键词
荷电状态
最小二乘支持向量机
改进果蝇算法
动力锂电池
自适应松弛项
泛化能力
下载PDF
职称材料
题名
基于改进果蝇算法优化的最小二乘支持向量机动力锂电池荷电状态预测
被引量:
1
1
作者
李雪林
孙玉坤
机构
江苏旅游职业学院信息工程学院
江苏大学电气信息工程学院
出处
《南京工业大学学报(自然科学版)》
CAS
北大核心
2023年第6期676-681,共6页
基金
国家自然科学基金(61074019,60174052,51377074)
江苏高校优势学科建设工程(三期)项目(PAPD-2018-87)
江苏省高校自然科学基金(15KJB470005)。
文摘
荷电状态(SOC)是动力锂电池管理系统的重要参数,使用传统算法优化锂电池SOC预测模型参数,收敛性相对较差,容易陷入局部最优解。对此,采用改进果蝇算法(IFOA)对最小二乘支持向量机(LSSVM)的参数进行优化,通过引入自适应松弛项来提高预测精度和收敛速度,获取全局最优解。选用磷酸锂电池为研究对象,测量其工作电压、工作电流和SOC,并将数据作为测试集,在MATLAB平台上建立基于IFOA优化的最小二乘支持向量机SOC预测模型。结果表明:IFOA优化的LSSVM动力锂电池SOC预测结果和实测结果吻合良好,平均绝对误差(MAPE)为1.02%,泛化能力强,预测精度相较果蝇算法最小二乘支持向量机(FOA LSSVM)和贝叶斯算法最小二乘支持向量机(BEF LSSVM)模型的精度更高。
关键词
荷电状态
最小二乘支持向量机
改进果蝇算法
动力锂电池
自适应松弛项
泛化能力
Keywords
SOC
LSSVM
IFOA
power lithium battery
adaptive relaxation term
generalization ability
分类号
TQ09 [化学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进果蝇算法优化的最小二乘支持向量机动力锂电池荷电状态预测
李雪林
孙玉坤
《南京工业大学学报(自然科学版)》
CAS
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部