基于LS-SVM的混合动力镍氢电池组SOC预测

• 作者: 曾谊晖 李玉强 钱承 陈健美
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 混合动力 SOC预测 最小支持向量机 遗传算法
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 135-139
• 页数: 5页
• 分类号: TM912.2
• 字数: 2558字
• 语种: 中文

摘要

在电池管理系统中为了使荷电状态量SOC(state of charge)估计精确,提出以遗传算法优化最小二乘支持向量机(LS-SVM)的方法对电池的SOC进行预测的模型.在电池变流情况下对SOC进行研究,以标准工况下的实验数据作为样本,以电池的电流、电压及温度作为训练模型的输入,SOC作为输出建立模型,使之能很好地适用于混合动力汽车用电池在变电流状态下的实时SOC估计.研究结果表明:该预测模型预测精度高,其最大相对误差小于3％,平均相对误差小于2％,且与神经网络预测结果相比具有更强的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健美		24	63	4.0	7.0
3	曾谊晖		13	78	5.0	8.0
5	钱承	湖南大学机械与运载工程学院	8	105	8.0	8.0
8	李玉强		1	17	1.0	1.0