重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (8): 185-189.doi: 10.3969/j.issn.1674-8425(z).2019.08.029
蒋丽丽,陈国彬
摘要： 近年来,极限学习机( extreme learning machine,ELM)被广泛应用于解决非线性回归问题,针对 SOC 难以直接测量的难题,提出一种基于飞蛾火焰算法(moth-flame optimization al gorithm,MFO)优化 ELM 的 SOC 预测模型。过极小化预测误差来优化确定 ELM 参数的最优值并获得精确的 SOC 预测模型 MFO-ELM,根据可测量电池电流、电压、温度和极化电阻参数来预测 SOC 值。随后,将 MFOELM 模型的性能与 ELM 模型进行了比较。结果表明:MFO ELM预测精度高,误差不超过 5% ,是一种更好的 SOC 预测技术。
中图分类号:
主管单位：重庆市教育委员会