基于IPSO-LightGBM模型的锂离子电池荷电状态预测

摘要：

为有效提升锂离子电池的荷电状态(State of Charge,SOC)预测精度,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)和轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)的锂离子电池SOC预测模型,LightGBM模型用于构建锂离子电池SOC的预测,IPSO用于优化LightGBM模型的超参数.首先,对公开数据集进行预处理,并使用多种策略改进基本粒子群优化算法;其次,建立基于IPSO-LightGBM、LightGBM和反向传播(Back Propagation,BP)神经网络的锂离子电池SOC预测模型;最后,使用马里兰大学提供的电池数据集对三种模型进行实验仿真.结果表明,IPSO-LightGBM模型的预测准确率优于未优化的LightGBM模型和BP神经网络模型.

关键词：荷电状态、锂离子电池、粒子群优化算法、轻量级梯度提升机

所属期刊栏目：22

分类号：TP181;TM912;U469.72(自动化基础理论)

资助基金：成都市哲学社会科学重点研究基地成都市交通+旅游大数据应用技术研究项目;四川省教育信息化与大数据中心项目;西南交通大学希望学院青年科研项目

在线出版日期：2024-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55