纯电动汽车磷酸铁锂电池组的建模及优化

• 作者: 宋绍剑 林小峰 林庆芳
• 来源期刊: 计算机测量与控制
• 关键词: 传统神经网络 支持向量机 磷酸铁锂电池组 荷电状态 极限学习机 粒子群优化
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1713-1716
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.05.079

摘要

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100 Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比;随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数;结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋绍剑	广西大学电气工程学院	83	322	9.0	13.0
2	林小峰	广西大学电气工程学院	110	503	11.0	14.0
3	林庆芳	广西大学电气工程学院	4	17	3.0	4.0