科研之友
微信
新浪微博
Facebook
分享链接
摘要
锂电池具有能量密度高、输出电压高、无记忆效应等优点，但过充过放电易引发安全事故，精确预测锂电池荷电状态(SOC)让其工作在最佳状态，具有重要现实意义，本文提出了一种基于自适应噪声集成经验模态分解(CEEMDAN)和数据驱动模型组合预测锂离子电池荷电状态的方法，对锂电池原始电流数据进行模态分解，得到多个子序列模态分量，提出一种基于惯性权重与Levy飞行机制的改进海鸥算法(ISOA)，对极限学习机预测模型(ELM)参数进行优化，构建ISOA-ELM锂电池预测模型；训练模型得到锂电池SOC预测结果。实验结果表明，该模型在实际工作中能够更贴合实际SOC，更有利于锂电池工作在最佳状态。
-
单位江苏理工学院
