基于粒子群算法的最小二乘支持向量机电池状态估计

摘要：

电池荷电状态(SOC)作为电池管理系统(BMS)重要参数之一,准确估计SOC尤为重要.由于SOC在估计过程中常会受到电压、电流、充放电效率等众多因素的影响,因此很难准确估计SOC.为了提高SOC的估计精度,本工作提出了基于最小二乘支持向量机(LSSVM)机器学习的锂离子电池SOC估计模型.将该电池的电流、电压和温度作为模型的输入向量,SOC作为模型的输出向量,为了更好的获得LSSVM模型的参数,提出了利用自适应粒子群算法来进行参数优化,从而获得高精度SOC估计模型.通过恒流充放电实验采集的数据,并和未优化的粒子群优化的LSSVM、支持向量机(SVM)神经网络(NN)相比,所提模型的SOC估计精度误差为1.63％,验证了算法的有效性.

关键词：锂离子电池、SOC、最小二乘支持向量机(LSSVM)、粒子群算法

所属期刊栏目：9

分类号：TM911

资助基金：渭南市2019年重点研发科技计划项目;陕西铁路工程职业技术学院供电科技创新团队;陕西铁路工程职业技术学院2019年中青年科技创新人才培育项目

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1153-1158