服务号

订阅号

稿件详情

当前位置:首页 >稿件详情

混沌粒子群算法-高斯过程回归的SOH估计

发布日期:2022-05-20  浏览次数:2817  下载次数:1034   DOI字段:10.19457/j.1001-2095.dqcd22520

      摘要:提出基于混沌粒子群算法-高斯过程回归(CPSO-GPR)的铅酸蓄电池健康状态估计方法。首先考察了铅酸蓄电池充电过程的电压电流变化曲线,进行了恒流充电特征的分析对比,建立了铅酸蓄电池恒流充电时间与电池容量衰减的高斯过程回归模型。针对传统的智能算法易陷入局部最优解的问题,将混沌过程引入传统粒子群算法中,增强其优化的广度和深度,形成混沌粒子群算法来优化回归模型中的超参数,从而获得更高质量的超参数解,以提高回归模型的预测精度。两种算法相协同,形成了CPSO-GPR算法。实验结果表明,该算法能够实现对铅酸蓄电池健康状态的精准估计和在线监测,对新数据点的估计精度在3%以内。


      关键词:混沌粒子群算法;铅酸蓄电池;SOH估计;储能


      中图分类号:TM46     文献标识码:A 





返回顶部

天津电气科学研究院有限公司 版权所有 津ICP备07001287号 Powered by Handynasty

网上违法和不良信息举报电话(河东区):022-84376127 | 举报邮箱:wangzheng@tried.com.cn