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)
1204
编辑：管理员
来源：北方有色网
咨询细节
