10.13272/j.issn.1671-251x.2018060051
矿用动力电池荷电状态预测
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DE-GWO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%.
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
45
TD611(矿山电工)
江苏省高等学校自然科学研究面上项目17KJB470003
2019-02-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
70-75