基于在线支持向量回归的锂离子电池SOC估计

论文摘要

对于锂离子电池来说,其化学特性是动态非线性的,并具有较强的耦合性,但是现在常用的电池模型并不能准确表达其上述特性。训练样本数量定量时,在线支持向量回归机可以在线实时更新模型,且具有全局最优、良好的泛化能力。训练模型时,采用输入变量为工作电压和温度,输出变量为荷电状态。仿真结果表明,与BP神经网络相比,在线支持向量回归可以准确预测电池的充电状态,具有较高的SOC预测精度和稳定性。

论文目录

• 1 新的训练算法
• 2 实验设计与分析
•   2.1 模拟实验设计
•   2.2 模型和分析
• 3 结论

文章来源

类型: 期刊论文

作者: 朱江,张伟,马嵩

关键词: 在线支持向量回归,核函数,神经网络

来源: 电源技术 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 天津力神电池股份有限公司,青岛科技大学自动化与电子工程学院

分类号: TM912

页码: 1611-1614

总页数: 4

文件大小: 251K

下载量: 86