《表2 各算法的估计性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于灰狼算法优化极限学习机的锂离子电池SOC估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步验证算法的有效性，分别对ELM-GWO、BPNN-PSO和ELM进行了比较。由表2可知，在CCCV工况下，ELM-GWO、BPNN-PSO和ELM的RMSE分别为1.49%、2.41%与4.74%，MAE分别是1.06%、1.44%与3.69%，运行时间分别为4.054 s、183.570 s与0.584 s；在DST工况下，ELM-GWO、BPNN-PSO和ELM的RMSE分别为1.14%、2.48%与2.14%，MAE分别为0.79%、1.64%与1.36%，运行时间分别为4.064 s、165.138 s与0.141 s。所提方法在CCCV工况下，运行时间较BPNN-PSO减少179.524 s，RMSE较BPNN-PSO、ELM分别提高了0.92%、3.25%；在DST工况下，运行时间较BPNN-PSO减少了161.074 s，RMSE较BPNN-PSO、ELM分别提高了1.34%、1%。