Enhanced Whale Optimization Algorithm with Wavelet Decomposition for Lithium Battery Health Estimation in Deep Extreme Learning Machines

锂离子电池 计算机科学 电池(电) 健康状况 均方误差 稳健性(进化) 极限学习机 荷电状态 人工智能 算法 人工神经网络 数学 统计 功率(物理) 物理 生物化学 化学 量子力学 基因
作者
Hairui Wang,Jie Luo,Guifu Zhu,Ya Li
出处
期刊:Applied sciences [MDPI AG]
卷期号:13 (18): 10079-10079 被引量:1
标识
DOI:10.3390/app131810079
摘要

Lithium battery health state estimation can help optimize battery usage and management strategies. In response to the challenges faced by traditional battery management systems in accurately estimating the State of Health of lithium-ion batteries and addressing issues such as capacity recovery and noise interference, this paper proposes a method based on wavelet decomposition and an improved whale optimization algorithm optimized deep extreme learning machine for estimating the SOH of lithium-ion batteries. Firstly, the lithium-ion battery capacity degradation sequence is extracted, and the wavelet decomposition method is used to decompose the battery capacity into global and local degradation trends. Next, the non-linear convergence factor and the whale optimization algorithm with adaptive weights are employed to optimize the deep extreme learning machine for predicting each trend component. Finally, the prediction results are effectively integrated to obtain the lithium-ion battery SOH. This experimental method is validated using NASA and CALCE datasets, and the results indicate that the root mean square error and mean absolute percentage error are both below 0.95%, with relative accuracy and absolute correlation coefficients exceeding 98%. This demonstrates the method’s excellent accuracy and robustness.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
a134680完成签到,获得积分20
1秒前
miumiustar完成签到,获得积分10
4秒前
a134680发布了新的文献求助10
5秒前
ha发布了新的文献求助10
5秒前
5秒前
CipherSage应助Ray采纳,获得10
6秒前
DD发布了新的文献求助10
6秒前
思鑫完成签到,获得积分10
6秒前
星辰大海应助jiachun采纳,获得10
7秒前
yfy发布了新的文献求助10
7秒前
李健的小迷弟应助yiyiyan采纳,获得10
7秒前
ssj完成签到 ,获得积分10
7秒前
研友_Lw43on发布了新的文献求助30
7秒前
Jasper应助独特乘云采纳,获得10
7秒前
顾矜应助Newky采纳,获得10
8秒前
wanci应助浩西采纳,获得10
10秒前
10秒前
11秒前
12秒前
小二郎应助有魅力的电脑采纳,获得10
13秒前
小贝是乌龟完成签到,获得积分20
15秒前
YA发布了新的文献求助10
15秒前
15秒前
15秒前
星辰大海应助susu福福采纳,获得10
16秒前
Zzz发布了新的文献求助10
17秒前
18秒前
19秒前
愉快彩虹完成签到,获得积分10
19秒前
20秒前
现代的bb完成签到,获得积分10
20秒前
Riman发布了新的文献求助10
20秒前
双勾玉发布了新的文献求助10
21秒前
平常的毛豆应助小彭友采纳,获得10
21秒前
科目三应助糖果乖乖采纳,获得10
22秒前
胡帮完成签到,获得积分10
22秒前
李小喵发布了新的文献求助10
22秒前
23秒前
melon完成签到,获得积分20
23秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256152
求助须知:如何正确求助?哪些是违规求助? 2898242
关于积分的说明 8300614
捐赠科研通 2567422
什么是DOI,文献DOI怎么找? 1394523
科研通“疑难数据库(出版商)”最低求助积分说明 652817
邀请新用户注册赠送积分活动 630511