基于BSA-RELM的纯电动汽车锂离子电池SOC估计

论文摘要

提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数和调节因子等参数难以确定的问题,可进一步提高网络的收敛速度,且利于寻找全局最优值。利用ADVISOR软件采集影响电池荷电状态的主要参数:电流、电压、温度和内阻等进行建模和测试。仿真结果表明,采用鸟群算法优化鲁棒极限学习机比BPNN、RBFNN和FNN的估计误差更小,具有更高的预测精度。

论文目录

• 1 引言
• 2 极限学习机
• 3 鲁棒极限学习机
• 4 鸟群算法
• 5 数据采集与仿真
•   5.1 数据采集
•   5.2 仿真结果及分析
• 6 实验测试与分析
• 7 结论

文章来源

类型: 期刊论文

作者: 吴忠强,尚梦瑶,申丹丹,戚松岐,朱向东

关键词: 计量学,荷电状态,锂离子电池,纯电动汽车,鸟群算法,鲁棒极限学习机

来源: 计量学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 燕山大学,秦皇岛港股份有限公司

基金: 河北省自然科学基金(F2016203006)

分类号: TM912

页码: 693-699

总页数: 7

文件大小: 1234K

下载量: 128