本发明公开了一种基于GA‑PSO优化的多模型融合电池荷电状态预测方法及系统,包括:采集
锂电池的外部参数获得按时间排序的数据集;数据清洗和归一化处理,并划分为训练集、验证集和测试集;构建三个基模型GA‑PSO‑LSTM、GA‑PSO‑SVM、A‑PSO‑GRU,集成为强学习模型;对强学习模型进行训练,得到新的训练集的特征和新的测试集的特征;采用真实SOC值作为输出进行第二轮训练,采用新测试集预测,最后将单个预测值加权平均得到最终的SOC预测值。本发明解决了单个遗传算法后期效率低,单个粒子群算法陷入局部最优解的问题,提高了优化的效率和效果,具有长期的数据记忆的优点,提高了预测的准确度。
声明:
“基于GA-PSO优化的多模型融合电池荷电状态预测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)