文档名：几种机器学习算法的锂电池SOC估计研究
摘要：荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命.为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法.在Panasonic-18650PF-Data公开数据集的基础上应用其进行锂电池SOC估计,减小数据训练误差,并评估机器学习模型的泛化误差.将随机森林、支持向量机、线性回归及神经网络等常用估计模型算法作为对比.数据表明,改进的Light-GBM算法估计时间为随机森林的1/22、支持向量机的1/88及神经网络的1/1330,估计误差低于0.06.研究表明,该方法初步解决了现有锂电池SOC估计方法速率慢、拟合率低的问题,并拓展了该算法新的应用场景.
作者：张志冬 李云伍 李杨柳 梁新成 Author：ZHANGZhidong LIYunwu LIYangliu LIANGXincheng
作者单位：西南大学工程技术学院,重庆400715西南大学计算机信息与科学学院软件学院,重庆400715
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(17)
分类号：TM912
关键词：锂电池 荷电状态(SOC) LightGBM算法 机器学习
Keywords：lithium-ionbattery stateofcharge(SOC) LightGBMalgorithms machinelearning
机标分类号：TP391TP181TP242.6
在线出版日期：2023年10月25日
基金项目：重庆市科委项目几种机器学习算法的锂电池SOC估计研究[
期刊论文] 重庆理工大学学报--2023, 37(17)张志冬 李云伍 李杨柳 梁新成荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命.为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法.在Panasonic-18650PF-D...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
几种机器学习算法的锂电池SOC估计研究 Research on SOC estimation of lithium batteries using several machine learning algorithms
几种机器学习算法的锂电池SOC估计研究.pdf
- 文件大小:
- 4.97 MB
- 下载次数:
- 60
-
高速下载
|
