| 流形正则化框架下的极限学习机预测锂电池SOC方法 |
| |
| 引用本文： | 谈发明,李秋烨,赵俊杰,王琪.流形正则化框架下的极限学习机预测锂电池SOC方法[J].实验室研究与探索,2019(5):46-50. |
| |
| 作者姓名： | 谈发明 李秋烨 赵俊杰 王琪 |
| |
| 作者单位： | 江苏理工学院信息中心;江苏理工学院电气信息工程学院 |
| |
| 基金项目： | 国家自然科学基金青年科学基金(61803186);江苏省高等学校自然科学研究面上项目(17KJB470003) |
| |
| 摘 要： | 为提高锂电池荷电状态建模预测的精度及泛化能力,提出一种流行正则化框架下的极限学习机建模预测方法。首先,为了解决极限学习机建立预测模型存在过拟合泛化能力弱的问题,以流形假设为依据,在数据输入空间构建图拉普拉斯算子,在其框架内求解极限学习机隐层和输出层之间的权重,达到正则优化目的。其次,针对正则化参数难以选择的问题,提出将差分进化算法融入基于流形正则化框架的极限学习机中以优化其正则化参数。最后,利用采集到的锂电池数据进行了实验验证。结果表明:该方法建立的预测模型预测锂电池SOC精度高,泛化能力强,为锂电池SOC的预测建模提供一种新方法。
|
| 关 键 词： | 流形正则化 荷电状态 极限学习机 差分进化 |
SOC Prediction Method of Lithium Battery Based on MRELM Framework |
| |
| TAN Faming,LI Qiuye,ZHAO Junjie,WANG Qi.SOC Prediction Method of Lithium Battery Based on MRELM Framework[J].Laboratory Research and Exploration,2019(5):46-50. |
| |
| Authors: | TAN Faming LI Qiuye ZHAO Junjie WANG Qi |
| |
| Institution: | (Information Center, Jiangsu University of Technology,Changzou 213001,Jiangsu,China;School of Electrical and Information Engineering, Jiangsu University of Technology,Changzou 213001,Jiangsu,China) |
| |
| Abstract: | TAN Faming;LI Qiuye;ZHAO Junjie;WANG Qi(Information Center, Jiangsu University of Technology,Changzou 213001,Jiangsu,China;School of Electrical and Information Engineering, Jiangsu University of Technology,Changzou 213001,Jiangsu,China) |
| |
| Keywords: | manifold regularization state of charge extreme learning machine differential evolution |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
