基于改进极限学习机的锂离子电池SOC预测

• 作者: 刘小丽 刘溪 李锐 陈福光
• 来源期刊: 移动电源与车辆
• 学科: 工学
• 关键词: 极限学习机 锂离子电池 荷电状态 预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 18-22
• 页数: 5页
• 分类号: TM912.9
• 字数: 2432字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-4250.2016.01.006

摘要

建立了基于极限学习机(ELM)神经网络的锂离子电池荷电状态(SOC)预测模型,并针对ELM神经网络初始权、阈值的随机性特点,采用GAPSO算法对ELM神经网络初始权值进行优化,提高了预测模型的精度.仿真表明,GAPSO-ELM神经网络比ELM神经网络预测精度有很大提高,较QPSO-BP神经网络最优解收敛速度更为迅速,在锂离子电池SOC预测方面具备了较强的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李锐		9	28	4.0	5.0
2	陈福光		8	18	3.0	4.0
3	刘溪		6	8	2.0	2.0
4	刘小丽		9	58	4.0	7.0