矿用动力电池荷电状态预测

来源期刊：工矿自动化2019年第1期

论文作者：谈发明 王琪

文章页码：70 - 75

关键词：矿用动力电池;荷电状态;灰狼优化算法;差分进化;最小二乘支持向量机;收敛因子;

摘    要：针对最小二乘支持向量机（LSSVM）用于预测矿用动力电池荷电状态（SOC）时正则化参数和核函数参数难以优化选择,灰狼优化（GWO）算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化（DE-GWO）算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。