节点文献

基于LFOA-GRNN模型的矿用锂电池SOC预测

免费订阅

【作者】 陈德海丁博文潘韦驰

【Author】 CHEN Dehai;DING Bowen;PAN Weichi;Jiangxi University of Science and Technology;

【机构】 江西理工大学

【摘要】 针对矿用电动汽车锂电池SOC预测易受到工况环境影响、建模复杂、预测误差大等问题,该文将电池端电压、放电电流、环境温度、湿度作为SOC的表征因子,构成样本集以训练广义回归神经网络(GRNN),再引入具有Levy飞行特征的双子群果蝇优化算法(LFOA)优化GRNN的平滑因子σ。LFOA结合了Levy飞行搜索和果蝇优化算法的优点,全局搜索能力更强,收敛速度更快。仿真结果表明,经LFOA优化的GRNN能更快地搜索到合适的σ,并有效预测电池任一充放电状态下的SOC,与FOA-GRNN模型比较,LFOA-GRNN模型预测精度更高、时间更短,最大绝对误差不超过0.03,具有较好的工程应用价值。

【关键词】 矿用锂电池SOC预测GRNNLFOA模型建立仿真分析
【基金】 国家自然科学基金(61463020);江西省自然科学基金项目(20151BAB206034)
【所属期刊栏目】 能源技术 (2020年06期)
  • 【DOI】10.16652/j.issn.1004-373x.2020.06.028
  • 【分类号】TP18
  • 【下载频次】11
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: