基于LFOA-GRNN模型的矿用锂电池SOC预测
发布时间:2023-11-28 19:29
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。
【文章页数】:4 页
【文章目录】:
0 引言
1 基于双子群果蝇优化算法的广义回归神经网络模型
1.1 广义回归神经网络
1.2 Levy飞行
1.3 双子群果蝇优化算法
1.4 双子群果蝇优化算法优化广义回归神经网络
2 基于LFOA-GRNN的锂离子电池SOC预测
3 实验仿真与分析
3.1 搭建实验平台
3.2 LFOA-GRNN模型验证
4 结论
本文编号:3868794
【文章页数】:4 页
【文章目录】:
0 引言
1 基于双子群果蝇优化算法的广义回归神经网络模型
1.1 广义回归神经网络
1.2 Levy飞行
1.3 双子群果蝇优化算法
1.4 双子群果蝇优化算法优化广义回归神经网络
2 基于LFOA-GRNN的锂离子电池SOC预测
3 实验仿真与分析
3.1 搭建实验平台
3.2 LFOA-GRNN模型验证
4 结论
本文编号:3868794
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3868794.html