基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测

徐彬泰; 孟祥鹿; 田安琪; 孙勇健; 曹立斌; 江颖洁

首页> 中文期刊> 《南京理工大学学报：自然科学版》 >基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测

基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为了提高铅酸电池荷电状态(SOC)的预测准确率,该文提出一种基于粒子群优化的高斯过程回归(PSO-GPR)算法。该算法的核心思想是通过粒子群优化(PSO)算法来解决高斯过程回归(GPR)模型中的超参数优化问题。PSO-GPR首先随机生成一个粒子群,群中的每个粒子包含对应的GPR超参数信息。随后执行如下迭代步骤:根据当前每个粒子的超参数信息训练对应的GPR模型并评估该模型的性能,结合适应度函数和每个模型的评估结果计算出每个粒子的适应度,并更新每个粒子中的超参数信息;经过多次迭代后,找到粒子群中适应度最小的粒子;最后从该粒子中提取相应的超参数信息,并训练最终的GPR预测模型。在铅酸电池数据集上的实验结果表明,所提方法优于对比模型。

著录项

来源
《南京理工大学学报：自然科学版》 |2018年第2期|162-168|共7页
作者
徐彬泰; 孟祥鹿; 田安琪; 孙勇健; 曹立斌; 江颖洁;
展开▼
作者单位

国网山东省电力公司信息通信公司;

展开▼
原文格式 PDF
正文语种 chi
中图分类酸性蓄电池;
关键词
铅酸电池荷电状态; 高斯过程回归; 粒子群优化; 超参数优化;

相似文献

中文文献
外文文献
专利

1. 基于K均值聚类及高斯过程回归集成的铅酸电池荷电状态预测 [J] . 田明光 ,翟旭 ,江颖洁 . 软件 . 2018,第001期
2. 基于高斯过程回归组合核函数的磷酸铁锂电池荷电状态估算 [J] . 周洪宇 ,肖佳鹏 . 农业装备与车辆工程 . 2020,第008期
3. 基于LIBSVM的铅酸蓄电池荷电状态估计 [J] . 陈凯 ,彭仲晗 ,吴启瑞 . 电源技术 . 2020,第004期
4. 基于扩展PSO优化的SVM铅酸蓄电池荷电状态估测 [J] . 邓建威 ,章云 . 工业控制计算机 . 2017,第003期
5. 基于卡尔曼滤波算法的电动汽车铅酸电池荷电状态的估算 [J] . 陈东照 ,贾利军 . 河南农业大学学报 . 2015,第003期
6. 基于粒子群优化-高斯过程回归的智能岩土体参数快速反演方法 [C] . HUANG Wei ,黄伟 ,LIU Hua . 2015年度江苏省城市轨道交通建设学术年会 . 2016
7. 铅酸电池荷电状态计算算法研究——基于无味卡尔滤波的混合SOC预测算法 [A] . 孙志华 . 2011

基于粒子群优化及高斯过程回归的铅酸电池荷电状态预测

摘要

著录项

相似文献

相关主题

期刊订阅