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：
  • 学科=自动化与计算机技术—控制科学与工程x
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于实时车流信息的电动汽车未来行驶工况预测
《重庆理工大学学报（自然科学）》2023年第11期93-102,共10页张毅 黄韬一 刘寅童 
重庆市教委青年基金项目(KJQN202001105)。
在全球能源短缺和污染加重的背景下,新能源汽车领域关键技术成为研究热点。然而纯电动汽车剩余续航里程的不确定性,严重地影响了纯电动汽车的进一步推广。因此,精确地预测车辆未来能耗以确定其剩余行驶里程,具有重大意义。本研究基于实...
关键词：车辆SOC预测 API EM聚类分析算法 RBF神经网络分类器 
基于PSO-GRU的锂电池SoC预测被引量：1
《信息与电脑》2023年第11期109-111,共3页蒋永辉 
海南省重点研发计划项目(项目编号:ZDYF2021GXJS023)。
电池荷电状态(State of Charge,SoC)是预防新能源汽车电池过充或过放的重要指标。文章提出一种基于粒子群优化算法-门循环单元(Particle Swarm Optimization-Gate Recurrent Unit,PSO-GRU)的锂电池SoC预测方法。该方法使用粒子群优化算...
关键词：荷电状态(SoC)预测 门循环单元(GRU)神经网络 粒子群优化算法(PSO)算法 
基于GWO-BP神经网络的电池SOC预测方法研究被引量：17
《计算机应用与软件》2022年第9期65-71,共7页鲍伟 任超 
国家自然科学基金项目(51405122)。
为了进一步提高传统BP神经网络在电动汽车电池SOC预测中的精度,基于电动汽车云平台的以10 s为采样周期的电池运行数据,对电动汽车电池SOC的预测方法进行研究。对云平台数据进行预处理,选择电池包电压、电流和平均温度作为神经网络的输入...
关键词：电动汽车 电池荷电状态(SOC) BP神经网络 灰狼优化算法 
基于多模型模糊扩展卡尔曼滤波的电池SOC预测被引量：1
《长春师范大学学报》2019年第6期15-18,共4页王勇 陈万顺 
安徽省质量工程项目“芜湖职业技术学院江苏新通达汽车智能技术校企合作实践基地”(2017sjjd041);芜湖职业技术学院校级重点项目“基于交互多模型卡尔曼滤波的动力电池荷电状态测量”(Wzyzrzd201702)
随着电池充放电次数的增加,电池充放电特性会发生变化,难以使用单一数学模型加以描述,从而限制了传统卡尔曼滤波预测电池SOC值的精度。针对不同充放电次数的电池分别建立数学模型,并通过卡尔曼滤波对不同模型的电池荷电状态进行预测。...
关键词：SOC预测 扩展卡尔曼滤波 模糊推理 
可充电锂电池剩余电量预测方法被引量：10
《中南大学学报（自然科学版）》2018年第9期2121-2128,共8页陈思媛 方正 胡伟锋 余杰 王倩 王涵博 王禹昕 
国家自然科学基金资助项目(61571381)~~
为了对锂离子电池剩余电量(SOC)进行准确测量,以2 200 mA?h的聚合物锂电池为研究对象,利用Hyperion平衡充放电设备采集6个不同放电电流下(0.7,1.1,1.7,2.2,2.7和3.3A)的放电电压和放电倍率;采取误差反向传播(BP)和径向基函数(RBF) 2个...
关键词：锂离子电池 SOC预测 BP RBF 
CPSO-LSSVM算法在车载电池SOC预测中的应用被引量：3
《实验室研究与探索》2018年第8期110-114,共5页谈发明 王琪 
江苏省高等学校自然科学研究面上项目(17KJB470003);江苏高校自然科学基金(15KJB470004)
针对车载电池SOC难以精确预测的问题,提出以CPSO算法优化LSSVM模型参数,避免了参数选择的盲目性,提高了测量精度及泛化能力。利用ADVISOR软件采集车载电池各项性能参数,其中,电流、电压及温度数据作为CPSO-LSSVM预测模型的输入,SOC作为...
关键词：混沌粒子群优化 最小二乘支持向量机 荷电状态 预测 
基于IPSO-BP神经网络的锂电池SOC预测被引量：2
《数字制造科学》2018年第1期45-49,共5页罗晓东 
针对当前纯电动汽车中锂离子电池SOC的预测方法中模型内部经验参数多,预测精度不高的问题,采用先进的算法对其进行相关研究。提出了一种基于数据驱动,釆用IPSO算法优化BP神经网络连接权值和阈值,建立基于IPSO-BP神经网络的预测模型,对电...
关键词：IPSO 锂离子电池 BP神经网络 SOC 预测 
基于模糊C均值改进算法和ANFIS的蓄电池SOC预测被引量：3
《计算机与现代化》2017年第12期111-116,共6页杨慧婕 刘微 黄先莉 刘守印 
蓄电池剩余电量预测作为蓄电池智能管理系统的核心部分,为合理控制蓄电池的充放电情况、延长蓄电池的使用寿命提供了判据。然而蓄电池剩余电量的影响因素复杂、预测难度较大。针对这一挑战性课题,提出一种基于改进的模糊C均值聚类和自...
关键词：自适应神经模糊推理系统 模糊C均值聚类 减法聚类 剩余电量 
基于等效模型和多时间尺度扩展卡尔曼滤波的锂离子电池SOC预测被引量：4
《计算机测量与控制》2017年第5期67-70,共4页陈冰 鲁刚 房红征 张明敏 
荷电状态(SOC)和最大可用电量估计是锂离子电池寿命预测中的两个最重要部分;然而与快速时变的SOC比较,最大可用电量的参数变化缓慢;文章提出了一个基于等效模型和多时间尺度的扩展卡尔曼滤波(EKF)预测算法对SOC和最大可用容量分别在不...
关键词：SOC 最大可用电量 Thevenin等效电路模型 多时间尺度 EKF预测算法 
基于DE-ELM的电池SOC预测研究被引量：1
《数学的实践与认识》2016年第22期236-243,共8页罗宏远 王德运 潘雯雯 魏帅 
国家自然科学基金(71301153);中央高校基本科研业务费专项资金(CUG140612)
针对极限学习机的随机性较大的问题,提出一种基于差分演化的极限学习机算法模型(DE-ELM).采用差分演化算法(DE)对极限学习机(ELM)随机给定的输入权值矩阵和隐含层阈值进行寻优,降低了随机性给ELM造成的影响,减少ELM网络震荡,提高了ELM...
关键词：极限学习机 差分演化 SOC预测 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部