10.19772/j.cnki.2096-4455.2023.4.003
基于ELM的超级电容器荷电状态预测
针对超级电容器荷电状态(State-of-Charge,SOC)准确预测问题,基于极限学习机(Extreme Learning Machine,ELM)建立超级电容器SOC预测模型.考虑改进ELM,提高SOC预测模型的精度,采用粒子群混合算法对ELM进行参数优化.测试结果表明,遗传算法可以对粒子群算法(Particle Swarm Optimization,PSO)收敛因子产生扰动,解决PSO收敛精度较低的问题,提高ELM的预测精度;基于改进ELM的SOC预测模型预测精度较高,预测误差小于1％,达到了设计指标要求.
超级电容器、荷电状态、极限学习机、混合粒子群算法
7
TM744(输配电工程、电力网及电力系统)
盐城工业职业技术学院科研基金项目ygy2106
2023-09-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
9-13
