基于LS-SVM算法动力电池SOC估计方法的研究

• 作者: 于洋 纪世忠 魏克新
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 电动汽车 动力电池 荷电状态 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 349-351,370
• 分类号: TM911
• 字数: 2523字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-087X.2012.03.017

摘要

提高电池荷电状态(SOC)估计的准确性对于电动汽车电池管理系统的研究至关重要.根据历史实验数据分析了电池电压、电流、放电总电量因素对电池的影响,利用最小二乘支持向量机具有非线性逼近能力强、收敛速度快、全局最优解的特性对电动汽车电池SOC值进行在线实时估计,与BP神经网络的预测结果进行比较.仿真及实验室测试结果表明,最小二乘支持向量机算法能更准确地逼近实际SOC值,该方法的最大估算误差降低到0.02,达到了动力汽车的应用要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏克新	天津理工大学复杂工业系统控制理论及应用重点实验室	81	572	14.0	18.0
2	于洋	天津理工大学复杂工业系统控制理论及应用重点实验室	6	64	4.0	6.0
3	纪世忠	天津理工大学复杂工业系统控制理论及应用重点实验室	5	64	4.0	5.0