论文部分内容阅读
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 algorithm,MFO)优化ELM的SOC预测模型。通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MFO-ELM模型的性能与ELM模型进行了比较。结果表明:MFO-ELM预测精