电力工业论文_基于优化Elman神经网络的锂电池 - 计算机时代杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 计算机时代

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

电力工业论文_基于优化Elman神经网络的锂电池

作者:

关键词:

摘要：

文章摘要:锂离子电池容量的精确预测有利于提升电池的使用安全和避免电池滥用，受其复杂的内部电化学反应和外部使用条件影响，对其老化后的容量精确预测一直是电池管理系统的难点之一。为实现锂电池全服役周期内容量的高效准确预测，本文提出了一种基于遗传算法优化的Elman神经网络（GA-Elman）电池容量预测模型。首先选择电池不同循环下的放电容量增量、内阻以及温度数据作为有效表征电池老化和容量衰减规律的特征量，其次运用主成分分析算法对特征量进行降维以降低训练量数据维度，然后基于Elman神经网络构建电池容量预测模型，并引入遗传算法优化Elman神经网络的权值和阈值，实现对电池容量的高效精确预测，最后在不同电池上对该模型进行了验证。验证结果表明：与传统Elman神经网络和长短期记忆神经网络（long and short term memory neural network，LSTM NN）预测模型相比，GA-Elman神经网络预测模型有更好的预测精度和更高的运算效率。在不同电池上该模型预测结果的最大平均绝对误差为0.92%，最大均方根误差为1.02%，最小拟合系数为0.9679，表明该模型可以精确预测锂电池衰退过程中的容量并且对不同电池有较强的适应性。

文章关键词:

项目基金:《计算机时代》网址: http://www.jsjsdzzs.cn/qikandaodu/2022/0126/2264.html