典型文献
基于WOA-BP神经网络的锂离子电池健康状态估算
文献摘要：
锂离子电池在运行过程中内部电化学反应复杂,为使电池稳定运行,实时监测电池的健康状态是电池管理系统的核心任务之一.在实际运行中,锂离子电池的健康状态存在衰退现象,且衰退过程呈非线性和波动性.针对传统建模方法实现锂离子电池健康状态准确估计较为困难、耗时长等问题,构建了基于改进的鲸鱼群算法优化的反向传播(Back Propagation,BP)神经网络,利用鲸鱼群算法(Whale Optimization Algorithm,WOA)进行网络初值参数优化,可有效避免网络易陷入局部极值,并引入非线性收敛因子,加快算法局部寻优能力,提高了算法收敛速度.通过对比传统BP算法、粒子群优化的BP算法,在马里兰大学不同电池组老化数据上的验证结果表明,该算法对于锂离子电池健康状态预测具有更小的估计误差以及较强的学习性能,可以满足估算要求.
文献关键词：
锂离子电池;健康状态;鲸鱼群优化算法;BP神经网络
中图分类号：
作者姓名：
薛太林;张超;闫来清;吴杰;靳玉祥
作者机构：
山西大学电力与建筑学院,山西 太原 237016;国网山西省电力公司阳泉供电公司,山西 阳泉 045000;山西国锦煤电有限公司,山西 交城 030500
文献出处：
引用格式：
[1]薛太林;张超;闫来清;吴杰;靳玉祥-.基于WOA-BP神经网络的锂离子电池健康状态估算)[J].山东电力技术,2022(10):16-22,37
A类：
鲸鱼群优化算法
B类：
WOA,锂离子电池,健康状态估算,电化学反应,电池管理系统,核心任务,实际运行,退现,退过,波动性,计较,鲸鱼群算法,算法优化,反向传播,Back,Propagation,Whale,Optimization,Algorithm,初值,值参,局部极值,非线性收敛因子,寻优能力,收敛速度,粒子群优化,马里兰大学,电池组,电池健康状态预测,估计误差,学习性
AB值：
0.288225
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。
