摘要:近年来,由于对可靠的能量存储的需求不断增加,锂离子电池的建模和模拟引起了人们的关注。准确的充电周期预测是优化电池性能和寿命的基础。这项研究比较了对商用锂离子电池进行建模时的粒子群优化(PSO)和灰狼优化(GWO)算法,强调了电压行为以及传递到电池的电流。生物启发的优化调音参数可以减少模拟和实验输出之间的均方根误差(RMSE)。在MATLAB/SIMULINK中实现的模型集成了电化学参数并估计各种条件下的电池行为。与非优化模型相比,对末端电压的评估通过PSO和GWO算法在模型中揭示了显着的增强。GWO优化的模型表现出卓越的性能,与PSO在PSO优化的模型相比,RMSE的RMSE降低为0.1700(25°C; 3.6 C,455 s)和0.1705(25°C; 3.6 C,10,654 s),与PSO优化模型相比,达到了42%的平均RMSE RMSE降低。电池电流被确定为影响模型分析的关键因素,其优化模型,尤其是GWO模型,比PSO模型具有增强的预测能力,RMSE值略低。这为电池集成到能源系统中提供了实际含义。分析PSO和GWO不同人群值的执行时间提供了对计算复杂性的见解。pSO表现出比线性的更大的动力学,表明O(n K)的多项式复杂性,而GWO暗示基于10至1000。
通讯作者:Deborah K. Lieu,博士,加利福尼亚大学戴维斯分校,内科系,心血管医学科,再生疗法研究所 1616,2921 Stockton Blvd.,萨克拉门托,CA 95817,电话:916-734-0683,dklieu@ucdavis.edu。作者贡献 Sun:构思和设计,数据收集和汇编,数据分析和解释,手稿撰写 Kao:数据收集 Chang:数据收集 Merleev:软件开发和数据分析 Overton:数据收集 Pretto:数据收集 Yechikov:软件开发,数据分析和解释 Maverakis:软件开发和数据分析 Chiamvimonvat:数据分析和解释,手稿最终审定 Chan:提供仪器,手稿最终审定 Lieu:构思和设计,资金支持,数据分析和解释,手稿撰写,手稿最终审定
1底物残基和底物结合位点的命名法是根据Schechter和Berger(1967)的说法。底物残基是从裂解位点指定为P1,P2,P3等的N末端,以及带有P1',p2',p3'等的C-末端。适当的底物绑定位点用S1,S2,S3等指定。或S1',s2',s3'等。