典型文献
基于ICS-LSSVM的电动汽车锂电池SOC预测
文献摘要：
为了提高锂电池的荷电状态(state of charge,SOC)预测精度,将布谷鸟的卵被发现概率和步长控制量进行动态设置,对布谷鸟算法进行改进,采用改进布谷鸟算法(improved cuckoo search,ICS)对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚参数和核函数宽度进行优化,建立基于ICS-LSSVM的电动汽车锂电池SOC预测模型,采用磷酸铁锂电池充放电数据进行仿真分析,并与其他模型对比.结果表明,基于ICS-LSSVM的电动汽车锂电池SOC预测模型的均方根误差、平均相对误差和决定系数分别为0.0193、3.14％和0.994,预测效果优于其他模型,验证了模型的正确性和实用性.
文献关键词：
锂电池;荷电状态;改进布谷鸟算法;最小二乘支持向量机
中图分类号：
作者姓名：
王骏骏
作者机构：
国网十堰供电公司,湖北 十堰 442099
文献出处：
引用格式：
[1]王骏骏-.基于ICS-LSSVM的电动汽车锂电池SOC预测)[J].东北电力技术,2022(12):52-56
A类：
B类：
ICS,LSSVM,电动汽车,SOC,荷电状态,state,charge,发现概率,步长控制,控制量,改进布谷鸟算法,improved,cuckoo,search,最小二乘支持向量机,least,squares,support,vector,machine,惩罚参数,核函数,磷酸铁锂电池,充放电,模型对比,平均相对误差,决定系数
AB值：
0.307051
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。
