|
基于SSA-ELM的动力电池健康状况预测研究
王亦乐, 黄宏成, 杨健, 徐世琦, 尹明轩
2022 (2):
3-6+13.
电池健康状况预测是确保电动汽车高效安全的重要手段之一。目前这一领域大多数研究工作都基于可控条件下的充放电实验进行,与实车数据的差别较大,难以实际应用。提出了一种基于SSA优化的极限学习机模型的两步式实车电池健康状况预测方法。SSA优化能够提升ELM的预测精度和稳定性。第一个模型使用三个间接健康因子作为输入建模SOH,获取到了较明显的变化趋势。之后使用第二个模型进行SOH时序预测,并在MIT实验数据集和实车数据集上分别进行了验证,结果表明模型具有较高精度和泛化能力。
相关文章 |
计量指标
|