SOC预测

作品数：78被引量：583H指数：12
导出分析报告
相关领域：电气工程交通运输工程机械工程更多>>
相关作者：孙玉坤张持健黄永红韩晓东鲍伟更多>>
相关机构：合肥工业大学江苏大学桂林电子科技大学武汉理工大学更多>>
相关期刊：《计算机仿真》《清华大学学报（自然科学版）》《数学的实践与认识》《计算机与现代化》更多>>
相关基金：国家自然科学基金江苏省普通高校研究生科研创新计划项目国家高技术研究发展计划江苏高校优势学科建设工程资助项目更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=电源学报x
共 条 记 录，以下是1-3
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于ISSA-KELM的锂离子电池组SOC预测
《电源学报》2024年第6期217-224,共8页张英达 马鸿雁 窦嘉铭 王帅 李晟延 胡璐锦 
北京建筑大学博士基金资助项目(ZF15054);北京建筑大学2021年度研究生创新资助项目(PG2021056)。
针对锂离子电池组荷电状态SOC(state-of-charge)难以预测的问题,提出改进麻雀搜索算法ISSA(improved sparrow search algorithm)优化核极限学习机KELM(kernel extreme learning machine)的SOC预测模型。首先,引入Logistic混沌映射改进标...
关键词：锂电池组 荷电状态 核极限学习机 算法优化 
基于注意力机制和CNN-LSTM融合模型的锂电池SOC预测被引量：1
《电源学报》2024年第5期269-277,共9页张帅涛 蒋品群 宋树祥 夏海英 
广西科技重大专项资助项目(AA20302003,AA23023010)。
为提高锂电池荷电状态SOC(state-of-charge)预测精度,提出1种基于注意力机制和卷积神经网络-长短时记忆CNN-LSTM(convolution neural network-long short-term memory)融合模型的锂电池荷电状态预测方法。该模型采用一维CNN和LSTM神经...
关键词：锂电池 荷电状态 卷积神经网络 长短时记忆神经网络 注意力机制 
模糊C均值聚类在蓄电池SOC预测中的应用被引量：4
《电源学报》2014年第4期99-104,共6页周奇 罗培 
针对铅酸蓄电池数学模型难以建立以及荷电状态精确预测问题,本文提出了一种利用模糊C-均值聚类算法对蓄电池SOC控制器参数及结构进行辨识的建模方法。通过对蓄电池电动势、内阻等实时数据进行聚类分析,能够有效地实现输入空间划分并能...
关键词：模糊C-均值聚类 铅酸蓄电池 控制规则 荷电状态 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部