期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于IHOA-DELM的锂离子电池SOH和RUL联合预测
1
作者
曹旭
慧周利
杨明
《电子测量技术》
北大核心
2025年第10期73-83,共11页
准确预测锂离子电池的健康状态(SOH)和剩余使用寿命(RUL),对其安全稳定运行具有重要意义。本研究提出一种改进河马优化算法(IHOA)与深度极限学习机(DELM)相结合的新型算法。从锂电池充放电过程中提取了6个健康指标(HIs),通过Pearson相...
准确预测锂离子电池的健康状态(SOH)和剩余使用寿命(RUL),对其安全稳定运行具有重要意义。本研究提出一种改进河马优化算法(IHOA)与深度极限学习机(DELM)相结合的新型算法。从锂电池充放电过程中提取了6个健康指标(HIs),通过Pearson相关分析保留了与容量相关性较高的5个HIs,接着用Hampel滤波去除特征数据中的异常值并归一化。最后建立电池SOH和RUL联和预测的DELM模型。此外,为了提高模型的预测效率,提出了IHOA对DELM的超参数进行优化。与传统的河马优化算法(HOA)相比,解决了传统河马算法在搜索效率、收敛速度和全局搜索等方面的局限性。基于CALCE锂电池数据集的实验仿真结果表明,IHOA-DELM算法的预测精度较高,SOH预测的RMSE值在1.21%~1.31%之间,MAE值在0.89%~0.95%之间,MAPE值在1.59%~1.93%之间;RUL预测的最大绝对误差(AE)值不超过3个周期,最小AE值只有1个周期。
展开更多
关键词
锂离子电池
健康状态
剩余使用寿命
IHOA
DELM
在线阅读
下载PDF
职称材料
题名
基于IHOA-DELM的锂离子电池SOH和RUL联合预测
1
作者
曹旭
慧周利
杨明
机构
中北大学数学学院
出处
《电子测量技术》
北大核心
2025年第10期73-83,共11页
文摘
准确预测锂离子电池的健康状态(SOH)和剩余使用寿命(RUL),对其安全稳定运行具有重要意义。本研究提出一种改进河马优化算法(IHOA)与深度极限学习机(DELM)相结合的新型算法。从锂电池充放电过程中提取了6个健康指标(HIs),通过Pearson相关分析保留了与容量相关性较高的5个HIs,接着用Hampel滤波去除特征数据中的异常值并归一化。最后建立电池SOH和RUL联和预测的DELM模型。此外,为了提高模型的预测效率,提出了IHOA对DELM的超参数进行优化。与传统的河马优化算法(HOA)相比,解决了传统河马算法在搜索效率、收敛速度和全局搜索等方面的局限性。基于CALCE锂电池数据集的实验仿真结果表明,IHOA-DELM算法的预测精度较高,SOH预测的RMSE值在1.21%~1.31%之间,MAE值在0.89%~0.95%之间,MAPE值在1.59%~1.93%之间;RUL预测的最大绝对误差(AE)值不超过3个周期,最小AE值只有1个周期。
关键词
锂离子电池
健康状态
剩余使用寿命
IHOA
DELM
Keywords
lithium-ion battery
state of health
remaining useful life
IHOA
DELM
分类号
TN-9 [电子电信]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于IHOA-DELM的锂离子电池SOH和RUL联合预测
曹旭
慧周利
杨明
《电子测量技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
