NTLBO算法优化ELM的SOC预测方法

来源：计量学报杂志2022年第1期北京时间：

作者：胡坚, 刘超

单位：浙江经贸职业技术学院信息技术系, 浙江 杭州 310018

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。

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

基金资助：国家重点研发专项(2020YFB1710500)