| 矿用动力电池荷电状态预测 |
| |
| 引用本文： | 谈发明,王琪.矿用动力电池荷电状态预测[J].工矿自动化,2019(1):70-75. |
| |
| 作者姓名： | 谈发明 王琪 |
| |
| 作者单位： | 江苏理工学院信息中心;江苏理工学院电气信息工程学院 |
| |
| 基金项目： | 江苏省高等学校自然科学研究面上项目(17KJB470003) |
| |
| 摘 要： | 针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。
|
| 关 键 词： | 矿用动力电池 荷电状态 灰狼优化算法 差分进化 最小二乘支持向量机 收敛因子 |
State of charge prediction for mine-used power battery |
| |
| TAN Faming,WANG Qi.State of charge prediction for mine-used power battery[J].Industry and Automation,2019(1):70-75. |
| |
| Authors: | TAN Faming WANG Qi |
| |
| Affiliation: | (Information Center, Jiangsu University of Technology, Changzhou 213001, China;School of Electrical and Information Engineering, Jiangsu University of Technology, Changzhou 213001, China) |
| |
| Abstract: | TAN Faming;WANG Qi(Information Center, Jiangsu University of Technology, Changzhou 213001, China;School of Electrical and Information Engineering, Jiangsu University of Technology, Changzhou 213001, China) |
| |
| Keywords: | mine-used power battery state of charge grey wolf optimization algorithm differential evolution least squares support vector machine convergence factor |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
