典型文献
NTLBO算法优化ELM的SOC预测方法
文献摘要：
为提高锂电池荷电状态(SOC)预测的精度,提出了新型教与学优化(NTLBO)算法优化极限学习机的SOC预测方法.首先,采用Logistics混沌对种群中精英个体进行优化以改善算法的全局优化性能;其次,采用改进的TLBO算法优化调整ELM模型的输入权值和隐含层阈值,构建NTLBO-ELM预测模型以提升模型的泛化能力.以某锰酸锂电池为研究对象对NTLBO-ELM模型进行测试验证并与其他3种模型相比较,结果表明提出的方法具有较小的预测误差和良好的泛化能力,验证了模型的有效性.
文献关键词：
计量学;荷电状态;锂电池;教与学优化;全局优化;极限学习机
中图分类号：
作者姓名：
胡坚;刘超
作者机构：
浙江经贸职业技术学院信息技术系,浙江杭州310018;贵州航天电器股份有限公司,贵州贵阳550009
文献出处：
引用格式：
[1]胡坚;刘超-.NTLBO算法优化ELM的SOC预测方法)[J].计量学报,2022(01):92-96
A类：
NTLBO
B类：
算法优化,ELM,SOC,电池荷电状态,教与学优化,化极,极限学习机,Logistics,混沌,精英个体,全局优化,优化性能,优化调整,权值,隐含层,泛化能力,锰酸锂电池,测试验证,预测误差
AB值：
0.289942
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。
