基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测

• 作者: 孙勇健 孟祥鹿 徐彬泰 曹立斌 江颖洁 田安琪
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 铅酸电池荷电状态 高斯过程回归 粒子群优化 超参数优化
• 年，卷（期）: 2018,（2）
• 页码范围: 162-168
• 页数: 7页
• 分类号: TM912.1
• 字数: 5814字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.02.005

摘要

为了提高铅酸电池荷电状态(SOC)的预测准确率,该文提出一种基于粒子群优化的高斯过程回归(PSO-GPR)算法.该算法的核心思想是通过粒子群优化(PSO)算法来解决高斯过程回归(GPR)模型中的超参数优化问题.PSO-GPR首先随机生成一个粒子群,群中的每个粒子包含对应的GPR超参数信息.随后执行如下迭代步骤:根据当前每个粒子的超参数信息训练对应的GPR模型并评估该模型的性能,结合适应度函数和每个模型的评估结果计算出每个粒子的适应度,并更新每个粒子中的超参数信息;经过多次迭代后,找到粒子群中适应度最小的粒子;最后从该粒子中提取相应的超参数信息,并训练最终的GPR预测模型.在铅酸电池数据集上的实验结果表明,所提方法优于对比模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙勇健		4	13	2.0	3.0
2	江颖洁		7	12	2.0	3.0
3	田安琪		6	12	2.0	3.0
4	徐彬泰		12	14	2.0	3.0
5	曹立斌		2	7	1.0	2.0
6	孟祥鹿		6	21	3.0	4.0