基于DE-ELM的电池SOC预测研究

发布时间：2018-05-24 17:38

  本文选题：极限学习机 + 差分演化　； 参考：《数学的实践与认识》2016年22期

【摘要】：针对极限学习机的随机性较大的问题,提出一种基于差分演化的极限学习机算法模型(DE-ELM).采用差分演化算法(DE)对极限学习机(ELM)随机给定的输入权值矩阵和隐含层阈值进行寻优,降低了随机性给ELM造成的影响,减少ELM网络震荡,提高了ELM预测精度.并且将DE-ELM应用在电池SOC的预测上,同时与ELM和BP神经网络的预测进行了对比,结果表明:DE-ELM在电池SOC预测上的表现优于ELM和BP神经网络,能满足电池SOC的预测精度要求.
[Abstract]:In order to solve the problem of the randomness of the limit learning machine, a differential evolution based limit learning machine algorithm (DE-ELM) is proposed. The differential evolution algorithm (DE) is used to optimize the random given input weight matrix and the hidden layer threshold of the limit learning machine (ELM), which reduces the influence caused by the randomness to the ELM and reduces the concussion of the ELM network. The prediction accuracy of ELM is higher, and DE-ELM is applied to the prediction of battery SOC, and compared with the prediction of ELM and BP neural network. The results show that DE-ELM is superior to ELM and BP neural network in SOC prediction of battery, and can meet the prediction precision requirements of battery SOC.
【作者单位】： 中国地质大学(武汉)经济管理学院;中国地质大学(武汉)中国矿产资源战略与政策研究中心;
【基金】：国家自然科学基金(71301153) 中央高校基本科研业务费专项资金(CUG140612)
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 李效白;钱剑敏;冯晓;;基于SOC的细纱机自动控制系统设计[J];中国科技信息;2009年18期

2 宋恒力 ,董浩斌;利用SoC单片机的多功能数据采集卡[J];电子设计应用;2004年03期

3 李栋,付博,涂宝招;SoC实时信号处理系统中的存储系统设计[J];计算机应用研究;2005年05期

4 黄月昊;岳鹏;朱程燕;;基于SOC技术的三相电力能效监测终端硬件设计[J];硅谷;2014年09期

5 王显军;;基于SOC单片机的高集成度光电编码器电路设计[J];光学精密工程;2011年05期

6 刘玮;李翔宇;殷树娟;;无线传感器节点SoC事务级功耗仿真器设计[J];计算机工程与设计;2014年01期

7 刘征宇;杨俊斌;张庆;张利;赵爱国;;基于QPSO-BP神经网络的锂电池SOC预测[J];电子测量与仪器学报;2013年03期

8 李延聪;邵峰晶;孙仁诚;;SoC总线测试平台的设计实现[J];青岛大学学报(工程技术版);2007年01期

9 袁昕;陈祖爵;姚永;;GPRS与SOC单片机在用电管理中的应用[J];微型电脑应用;2006年08期

10 刘晓荣;魏孔鹏;;基于SOC的短距离无线传感器采集网络[J];通信技术;2009年08期

相关硕士学位论文 前5条

1 祁建佳;基于改进型模糊神经网络的蓄电池SOC检测方法研究与实现[D];电子科技大学;2015年

2 冯凡;可控硅触发控制系统核心SOC的设计[D];河南工业大学;2011年

3 刘春萌;基于SOC的点焊监测系统下位机研究[D];吉林大学;2008年

4 郭平华;基于SOC的变流器集成控制系统的研制[D];中南大学;2007年

5 郭文鹏;基于编码和逆向折叠的SoC测试数据压缩方法研究[D];合肥工业大学;2007年

，

本文编号：1929954