首页|基于ECTLBO-ELM模型的荷电状态估计

基于ECTLBO-ELM模型的荷电状态估计

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
电池的荷电状态(SOC)表示电池的可用容量,是电池管理系统重要参数之一.以锂离子电池为例,准确的估计可以提高其性能.为了建立锂离子电池的精确计算模型,提出了一种基于增强混沌教与学优化算法(ECTLBO)优化极限学习机(ELM)的SOC估计模型(ECTLBO-ELM).在ECTLBO-ELM模型中,一是利用增强混沌优化策略对班级中最优个体进行混沌搜索以增强TLBO算法的全局优化性能;二是采用改进的TLBO算法优化ELM的输入权值和隐含层偏差,提高其估计性能.利用某10AH的锰酸锂电池的三种不同倍率下的放电实验数据集对提出的算法进行测试,为了揭示所提方法的性能,将结果与标准ELM算法进行比较.结果表明,该方法能较好地估计SOC.
State of charge estimation based on ECTLBO-ELM model

周勇、廖宁、陈怡然

展开 >

重庆工程学院 大数据与人工智能学院,重庆 400056

估计 荷电状态 极限学习机 教与学优化算法

重庆市自然科学基金重庆市教育委员会科学技术研究项目重庆市教育委员会科学技术研究项目重庆市教育委员会科学技术研究项目

cstc2020jcyj-msxmX0666KJZD-K202001901KJZD-K201901902KJQN201801905

2021

10.13624/j.cnki.issn.1001-7445.2021.0128

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(1)
  • 9