基于贝叶斯最小二乘支持向量机的电池SOC预测

• 作者: 井娥林 孙正凤 温宏愿
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: SOC预测 贝叶斯证据框架 最小二乘支持向量机 混合动力汽车
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 2616-2619,2642
• 页数: 5页
• 分类号: TM912.9
• 字数: 3943字
• 语种: 中文

摘要

针对混合动力汽车电池电能容量判别问题,将最小二乘支持向量机方法应用于混合动力汽车电池荷电状态的预测.考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响,提出了基于贝叶斯证据框架优化的最小二乘支持向量机预测方法.通过贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中.将电池的工作电压、工作电流和表面温度参数用来预测蓄电池的荷电状态实时值,在美国城市动态驱动工况(UDDS)条件下进行实验验证,结果表明:所设计预测模型具有较高的精度,能够实时准确地预测出SOC值,实用性强,有效性高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙正凤	南京理工大学泰州科技学院	13	29	3.0	5.0
2	温宏愿	南京理工大学泰州科技学院	34	106	7.0	9.0
3	井娥林	南京理工大学泰州科技学院	16	48	5.0	6.0