語言:

一种基于充电模式识别的电动汽车充电时间预测方法

李春喜 ; 傅莹颖 ; 崔向科 ; 葛泉波

信息与电子工程前沿（英文版）, 2023, Vol.24 (2), p.299-后插9 [同儕審閱期刊]

可取得全文

引用被引用

題名:
一种基于充电模式识别的电动汽车充电时间预测方法
著者: 李春喜 ; 傅莹颖 ; 崔向科 ; 葛泉波
所屬期刊: 信息与电子工程前沿（英文版）, 2023, Vol.24 (2), p.299-后插9
描述: U469.72%TP391.4; 电动汽车动力电池过度充电容易导致电池加速老化和严重的安全事故.因此,准确预测车辆充电时间对充电安全防护意义重大.由于电池组结构复杂,充电方式多样,传统方法因缺乏充电模式识别而预测精度不高.本文应用数据驱动和机器学习理论,提出一种新的基于充电模式识别的充电时间预测方法.首先,基于动态加权密度峰值聚类(DWDPC)和随机森林融合的智能算法对车辆充电模式进行分类;然后,采用改进的简化粒子群优化算法(ISPSO)和强跟踪滤波器(STF),对LSTM神经网络进行优化,构建了一种高性能的充电时间预测方法;最后,通过实际工程数据对所提出的ISPSO-LSTM-STF方法进行了验证.实验结果表明,该方法能够有效区分充电模式,提高了充电时间预测精度,具有实际工程意义.
出版者: 上海海事大学物流工程学院,中国上海市,200135%北京交通大学经济管理学院,中国北京市,102603%南京信息工程大学自动化学院,中国南京市,210044
語言: 中文
識別號: ISSN: 2095-9184
EISSN: 2095-9230
資源來源: SpringerLink Journals AutoHoldings

返回到檢索清單

前一個記錄檢索清單 3