基于K均值聚类及高斯过程回归集成的铅酸电池荷电状态预测

• 作者: 刘晓晨 江颖洁 田保鹏 田明光 翟旭
• 来源期刊: 软件
• 学科: 工学
• 关键词: 铅酸电池荷电状态 K均值聚类 高斯过程回归 集成学习
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 132-137
• 页数: 6页
• 分类号: TP181
• 字数: 5398字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2018.01.026

摘要

为了提高铅酸电池荷电状态(State of Charge,SOC)的预测准确率,本文提出一种基于K均值聚类的高斯过程回归集成算法(K-means Cluster with Ensemble Gaussian Process Regression,KC-EGPR).首先利用K均值聚类算法对原始训练集进行聚类,生成若干个包含原始训练集的某种局部信息的子训练集;然后在每个子集上训练高斯过程回归模型(GPR);最后利用集成学习理论中的自适应提升算法(AdaBoost)对训练的多个GPR进行集成,得到最终的预测模型.在三组铅酸电池数据集上的实验结果表明,所提出的KC-EGPR算法预测铅酸电池SOC的性能优于对比模型,具有广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟旭		10	18	2.0	3.0
2	田明光		9	21	3.0	4.0
3	江颖洁		7	12	2.0	3.0
4	田保鹏		1	1	1.0	1.0
5	刘晓晨		5	2	1.0	1.0