基于在线支持向量回归的锂离子电池SOC估计

• 作者: 张伟 朱江 马嵩
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 在线支持向量回归 SOC 核函数 神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 研究与设计
• 页码范围: 1611-1614
• 页数: 4页
• 分类号: TM912
• 字数: 1833字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-087X.2019.10.009

摘要

对于锂离子电池来说,其化学特性是动态非线性的,并具有较强的耦合性,但是现在常用的电池模型并不能准确表达其上述特性.训练样本数量定量时,在线支持向量回归机可以在线实时更新模型,且具有全局最优、良好的泛化能力.训练模型时,采用输入变量为工作电压和温度,输出变量为荷电状态.仿真结果表明,与BP神经网络相比,在线支持向量回归可以准确预测电池的充电状态,具有较高的SOC预测精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟	青岛科技大学自动化与电子工程学院	53	164	8.0	11.0
2	朱江		4	3	1.0	1.0
3	马嵩		1	1	1.0	1.0