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
几种机器学习算法的锂电池SOC估计研究
1
作者
张志冬
李云伍
+1 位作者
李杨柳
梁新成
《重庆理工大学学报(自然科学)》
北大核心
2023年第9期40-48,共9页
荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命。为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法。在Panasonic-18650PF-Data公开数据...
荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命。为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法。在Panasonic-18650PF-Data公开数据集的基础上应用其进行锂电池SOC估计,减小数据训练误差,并评估机器学习模型的泛化误差。将随机森林、支持向量机、线性回归及神经网络等常用估计模型算法作为对比。数据表明,改进的LightGBM算法估计时间为随机森林的1/22、支持向量机的1/88及神经网络的1/1330,估计误差低于0.06。研究表明,该方法初步解决了现有锂电池SOC估计方法速率慢、拟合率低的问题,并拓展了该算法新的应用场景。
展开更多
关键词
锂电池
荷电状态(SOC)
LightGBM算法
机器学习
下载PDF
职称材料
题名
几种机器学习算法的锂电池SOC估计研究
1
作者
张志冬
李云伍
李杨柳
梁新成
机构
西南大学
工程技术
学院
西南大学计算机信息与科学学院软件学院
出处
《重庆理工大学学报(自然科学)》
北大核心
2023年第9期40-48,共9页
基金
重庆市科委项目(cstc2021jcyj-msxmX1062)。
文摘
荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命。为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法。在Panasonic-18650PF-Data公开数据集的基础上应用其进行锂电池SOC估计,减小数据训练误差,并评估机器学习模型的泛化误差。将随机森林、支持向量机、线性回归及神经网络等常用估计模型算法作为对比。数据表明,改进的LightGBM算法估计时间为随机森林的1/22、支持向量机的1/88及神经网络的1/1330,估计误差低于0.06。研究表明,该方法初步解决了现有锂电池SOC估计方法速率慢、拟合率低的问题,并拓展了该算法新的应用场景。
关键词
锂电池
荷电状态(SOC)
LightGBM算法
机器学习
Keywords
lithium-ion battery
state of charge(SOC)
LightGBM algorithms
machine learning
分类号
TM912 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
几种机器学习算法的锂电池SOC估计研究
张志冬
李云伍
李杨柳
梁新成
《重庆理工大学学报(自然科学)》
北大核心
2023
0
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