文档名：基于鹈鹕优化和极限学习机的锂离子电池健康状态估计
摘要：准确估计锂离子电池的健康状态(StateofHealth,SOH)对储能系统的安全稳定运行至关重要.针对传统估计方法准确度较低的问题,提出一种基于鹈鹕优化算法和极限学习机(POA-ELM)的SOH估计方法.首先,选取充放电过程中的四个健康特征,并采用皮尔逊相关性分析来量化它们与电池SOH的相关性.然后,建立ELM模型来映射健康特征与电池SOH之间的关系.针对ELM模型中超参数寻优问题,采用POA算法进行解决.最后在NASA电池数据集上进行试验分析,并与其他经典超参数寻优算法进行了比较.实验结果表明该方法能够实现SOH的准确估计,具有较高的估计准确度,估计误差稳定在2％以内.
作者：王渴心 周军 王岩 Author：WANGKexin ZHOUJun WANGYan
作者单位：东北电力大学电气工程学院,吉林吉林132012国网吉林省电力公司吉林供电公司,吉林吉林132012
刊名：电气应用
Journal：ElectrotechnicalApplication
年，卷(期)：2023, 42(11)
分类号：
关键词：锂离子电池 健康状态 鹈鹕优化算法 极限学习机
Keywords：lithium-ionbattery stateofhealth pelicanoptimizationalgorithm extremelearningmachine
机标分类号：TM912U469.72TN701
在线出版日期：2023年12月22日
基金项目：吉林省科技发展计划项目基于鹈鹕优化和极限学习机的锂离子电池健康状态估计[
期刊论文] 电气应用--2023, 42(11)王渴心 周军 王岩准确估计锂离子电池的健康状态(StateofHealth,SOH)对储能系统的安全稳定运行至关重要.针对传统估计方法准确度较低的问题,提出一种基于鹈鹕优化算法和极限学习机(POA-ELM)的SOH估计方法.首先,选取充放电过程中的四个...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
基于鹈鹕优化和极限学习机的锂离子电池健康状态估计 State of health estimation of lithium-ion battery based on Pelican optimization algorithm and Extreme learning machine
基于鹈鹕优化和极限学习机的锂离子电池健康状态估计.pdf
- 文件大小:
- 4.67 MB
- 下载次数:
- 60
-
高速下载
|
