简介:
本发明提供一种锂电池单体电压差预测方法,包括如下步骤:S1、确定样本集;S2、进行数据填补;S3、拟定多个归一化区间,各归一化区间的长度逐渐缩小,得到样本集中的第i类数据中数据xi相对于第j个归一化区间的归一化值x′i;S4、样本集中的各类数据均进行对应于各归一化区间的归一化后,得到多个数据集,构建PSO‑BP神经网络,将各数据集均划分为训练集和测试集,并利用测试集分析训练后的PSO‑BP神经网络的精度,选择精度最高的数据集所对应的归一化区间,作为最终归一化区间,并选择经该最终归一化区间所对应的PSO‑BP神经网络作为预测模型。本发明选择多个归一化区间中精度最高的归一化区间,并利用PSO‑BP神经网络进行预测,预测精度高。
本发明提供一种
锂电池单体电压差预测方法,包括如下步骤:S1、确定样本集;S2、进行数据填补;S3、拟定多个归一化区间,各归一化区间的长度逐渐缩小,得到样本集中的第i类数据中数据xi相对于第j个归一化区间的归一化值x′i;S4、样本集中的各类数据均进行对应于各归一化区间的归一化后,得到多个数据集,构建PSO‑BP神经网络,将各数据集均划分为训练集和测试集,并利用测试集分析训练后的PSO‑BP神经网络的精度,选择精度最高的数据集所对应的归一化区间,作为最终归一化区间,并选择经该最终归一化区间所对应的PSO‑BP神经网络作为预测模型。本发明选择多个归一化区间中精度最高的归一化区间,并利用PSO‑BP神经网络进行预测,预测精度高。