文档名：蜻蜓算法优化的高斯过程回归对锂电池健康状态预测
摘要：针对锂电池健康状态(SOH)估算精度低、高斯过程回归(Gaussianprocessregres-sion,GPR)容易陷入局部最优和收敛速度慢的问题,采用蜻蜓算法(dragonflyalgorithm,DA)对GPR的超参数进行寻优,实现锂电池非线性衰退的精确估算.将提取的健康因子作为输入特征,利用DA-GPR算法建立锂电池退化模型对NASA电池数据集SOH进行预测.首先,分别采用B0005、B0006和B0007电池前75次循环作为训练集,剩余90次循环作为测试集,其结果均方根误差(RMSE)不超过0.147;其次,为了验证DA-GPR在小样本条件预测的准确性,分别选取B0005前10次循环和前30次循环作为训练集,其余作为测试集,其中前10次循环作为训练集的RMSE值为1.7563,前30次循环作为训练集的RMSE值为0.15071;最后,为了验证DA-GPR的泛化性,选择B0006和B0007作为训练集,B0005作为测试集,其RMSE值为0.7744.
作者：张韬 王阳 王言子 张健 王宇航 马瑞 Author：ZHANGTao WANGYang WANGYanzi ZHANGJian WANGYuhang MARui
作者单位：东北林业大学机电工程学院,哈尔滨150000北京锂能星空新能源科技有限公司,北京101400
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(21)
分类号：TM912
关键词：锂电池健康状态 高斯过程回归 蜻蜓算法 锂电池
Keywords：SOH Gaussianprocessregression dragonflyalgorithm lithiumbattery
机标分类号：TP302.1TP181TN925.93
在线出版日期：2023年12月18日
基金项目：中央高校基本科研业务费专项资金项目蜻蜓算法优化的高斯过程回归对锂电池健康状态预测[
期刊论文] 重庆理工大学学报--2023, 37(21)张韬 王阳 王言子 张健 王宇航 马瑞针对锂电池健康状态(SOH)估算精度低、高斯过程回归(Gaussianprocessregres-sion,GPR)容易陷入局部最优和收敛速度慢的问题,采用蜻蜓算法(dragonflyalgorithm,DA)对GPR的超参数进行寻优,实现锂电池非线性衰退的精确估...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
蜻蜓算法优化的高斯过程回归对锂电池健康状态预测 Dragonfly algorithm optimized Gaussian process regression for lithium battery health state prediction
蜻蜓算法优化的高斯过程回归对锂电池健康状态预测.pdf
- 文件大小:
- 4.5 MB
- 下载次数:
- 60
-
高速下载
|
|
