基于SSA-ELM的锂离子电池寿命预测

摘要：

锂离子电池的性能在循环充放电、环境温度变化、自身材料老化等情况下会不断退化,严重影响电池正常可靠运行.为了提高锂离子电池寿命预测的精准度,提出了一种基于麻雀搜索算法优化极限学习机的锂离子电池寿命预测模型.选用麻雀搜索算法SSA优化ELM的权值和阈值,既减小了由于ELM随机产生权值和阈值导致预测结果不准确和回归模型不稳定等缺点,又改善了全局搜索能力.实验采用NASA锂离子电池数据集,用均方根误差RMSE和相关指数R2作为评价标准,对所提模型(SSA-ELM预测模型)、BP神经网络模型和ELM模型的预测结果进行对比分析.实验结果表明,相比于传统神经网络模型,SSA-ELM算法泛化性能更好,预测精度更加准确可靠.

关键词：麻雀搜索算法、极限学习机、锂离子电池、寿命预测

所属期刊栏目：61

分类号：TM912

在线出版日期：2023-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：87-91