典型文献
基于集成ARIMA模型与BP神经网络的锂电池容量预测
文献摘要：
锂离子动力电池是当前新能源汽车的主要储能方式,其容量预测非常重要.本文提出了一种利用差分整合移动平均自回归(ARIMA)模型和反向传播(BP)神经网络集成的方法来预测锂电池容量.首先,建立ARIMA模型,预测前期电池充放电容量数据;随后,建立相关的BP神经网络模型进行长期预测.用500组中的前420组数据预测后80组,预测结果实现R ≈ 0.9,表示BP神经网络非常适合预测长期的锂电池容量数据.最后,利用安庆师范大学动力电池实验室提供的锂电池对提出的方法进行测试,实验误差在±5％以内,拟合值效果覆盖值也大于85％,预测效果良好.
文献关键词：
BP神经网络;电池容量;ARIMA模型;锂电池
中图分类号：
作者姓名：
张朝龙;卢阳;杨璇;胡靓靓
作者机构：
安庆师范大学电子工程与智能制造学院,安徽安庆246113
文献出处：
引用格式：
[1]张朝龙;卢阳;杨璇;胡靓靓-.基于集成ARIMA模型与BP神经网络的锂电池容量预测)[J].安庆师范大学学报（自然科学版）,2022(02):15-18
A类：
B类：
ARIMA,锂电池,电池容量预测,锂离子动力电池,新能源汽车,储能方式,移动平均自回归,反向传播,网络集成,充放电,放电容量,行长,长期预测,数据预测,结果实,非常适合,安庆师范大学,实验误差,拟合值
AB值：
0.312252
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
