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
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
被引量：
1
1
作者
李泽龙
乔钢柱
+3 位作者
崔方舒
蔡江辉
史元浩
王博辉
《中国测试》
CAS
北大核心
2024年第9期65-73,共9页
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,...
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,提取与SOH高度相关的健康因子(HIs)并进行融合;其次,利用VMD方法将融合HI分解为多个模态分量,并使用HPO超参数优化的NBEATS模型来捕捉各模态分量的特征和时序规律。最终,通过加和重构各个分量的预测值来获得电池的SOH预测。在NASA电池数据集上的实验表明,与NBEATS、HPO-NBEATS和VMD-NBEATS模型相比,VMD-HPO-NBEATS模型在MAE、RMSE和r2评价指标上均有超2%的提升,证明所提方法在SOH预测的有效性与优越性。
展开更多
关键词
锂离子电池
健康状态
nbeats模型
猎人猎物优化算法
变分模态分解
在线阅读
下载PDF
职称材料
题名
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
被引量：
1
1
作者
李泽龙
乔钢柱
崔方舒
蔡江辉
史元浩
王博辉
机构
中北大学计算机科学与技术学院
中北大学电气与控制工程学院
西安交通大学网络空间安全学院
出处
《中国测试》
CAS
北大核心
2024年第9期65-73,共9页
基金
山西省基础研究计划资助项目(202303021222084)
山西省基础研究计划联合资助项目(TZLH20230818007)
山西省研究生教育创新项目(2024KY613)。
文摘
锂离子电池的健康状态(SOH)对维持新能源电动汽车系统的稳定性至关重要。为提高锂电池SOH预测精度,提出一种基于变分模态分解(VMD)的猎人猎物优化(HPO)的神经基扩展分析(NBEATS)神经网络的SOH预测方法。首先,通过对电池老化数据的分析,提取与SOH高度相关的健康因子(HIs)并进行融合;其次,利用VMD方法将融合HI分解为多个模态分量,并使用HPO超参数优化的NBEATS模型来捕捉各模态分量的特征和时序规律。最终,通过加和重构各个分量的预测值来获得电池的SOH预测。在NASA电池数据集上的实验表明,与NBEATS、HPO-NBEATS和VMD-NBEATS模型相比,VMD-HPO-NBEATS模型在MAE、RMSE和r2评价指标上均有超2%的提升,证明所提方法在SOH预测的有效性与优越性。
关键词
锂离子电池
健康状态
nbeats模型
猎人猎物优化算法
变分模态分解
Keywords
lithium-ion battery
state of health
nbeats
model
hunter-prey optimizer algorithm
variational mode decomposition
分类号
TB9 [机械工程—测试计量技术及仪器]
TM912 [电气工程—电力电子与电力传动]
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
应用VMD-HPO-NBEATS模型的锂离子电池SOH预测
李泽龙
乔钢柱
崔方舒
蔡江辉
史元浩
王博辉
《中国测试》
CAS
北大核心
2024
1
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
