基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高锂离子电池当前可用容量的预测精度,采用支持向量回归并对参数进行优化的算法.将样本中的部分边界向量作为支持向量,以平均放电电压、平均放电温度以及等压降放电时间序列作为输入,并结合优化算法对惩罚函数C和核宽度g两个参数进行优化,拟合出泛化性良好的容量估计方程.验证结果表明,采用遗传算法时,预测精度可高达99.6%.该方法无需推导具体的物理模型,对数据测量精度的要求较高,能够在各种锂离子电池中得到广泛的应用.
推荐文章
基于在线支持向量回归的锂离子电池SOC估计
在线支持向量回归
SOC
核函数
神经网络
锂离子电池及其材料
锂离子
电池
材料
高温贮存对锂离子电池荷电容量损耗速率的研究
锂离子电池
高温贮存
容量损耗
火箭技术
等效滞回模型在锂离子电池SOC估计中的应用
锂离子电池
荷电状态
滞回模型
容积卡尔曼滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进支持向量回归的锂离子电池可用容量估计
来源期刊 电源技术 学科 工学
关键词 锂离子电池容量 支持向量回归 遗传算法
年,卷(期) 2019,(12) 所属期刊栏目 研究与设计
研究方向 页码范围 1996-2000
页数 5页 分类号 TM912
字数 4070字 语种 中文
DOI 10.3969/j.issn.1002-087X.2019.12.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 史永胜 陕西科技大学电气与信息工程学院 69 433 9.0 18.0
5 马铭远 陕西科技大学电气与信息工程学院 3 0 0.0 0.0
6 丁恩松 2 0 0.0 0.0
7 余强 陕西科技大学电气与信息工程学院 3 0 0.0 0.0
8 李雷 陕西科技大学电气与信息工程学院 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (141)
共引文献  (196)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(10)
  • 参考文献(1)
  • 二级参考文献(9)
2012(12)
  • 参考文献(0)
  • 二级参考文献(12)
2013(23)
  • 参考文献(2)
  • 二级参考文献(21)
2014(13)
  • 参考文献(1)
  • 二级参考文献(12)
2015(24)
  • 参考文献(5)
  • 二级参考文献(19)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
锂离子电池容量
支持向量回归
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
总被引数(次)
55810
论文1v1指导