节点文献

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

免费订阅

【作者】 徐彬泰孟祥鹿田安琪孙勇健曹立斌江颖洁

【Author】 Xu Bintai;Meng Xianglu;Tian Anqi;Sun Yongjian;Cao Libin;Jiang Yingjie;Information & Telecommunication Company,State Grid Shandong Electric Power Company;

【机构】 国网山东省电力公司信息通信公司

【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。

  • 【DOI】10.14177/j.cnki.32-1397n.2018.42.02.005
  • 【分类号】TM912.1;TP18
  • 【下载频次】55
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: