基于增量学习相关向量机的锂离子电池SOC预测方法

• 作者: 刘华东 张鑫 王超 范兴明 高琳琳
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 相关向量机 增量学习法 核参数 计算效率 锂离子电池SOC预测
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 电工理论与新技术
• 页码范围: 2700-2708
• 页数: 9页
• 分类号: TM912
• 字数: 5578字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.180609

摘要

针对锂离子电池荷电状态(SOC)预测精度不高以及在线适应性差的问题,提出一种改进的增量学习相关向量机模型对锂离子电池SOC进行在线预测.选择锂离子电池电压、充放电电流和表面温度作为模型的输入,SOC作为模型的输出,构造模型的训练集.选用快速序列稀疏贝叶斯学习算法进行训练,并结合增量学习法建立增量学习相关向量机模型进行锂离子电池SOC在线预测方法研究.研究发现,通过自动调整核参数的方法,可以保证有较高的预测精度.算法验证实验表明,核参数可以控制算法的预测精度和计算效率,该算法预测精度高、计算速度快、通用性强,可为锂离子电池SOC的预测与应用提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘华东	桂林电子科技大学电气工程及其自动化系	13	66	4.0	8.0
2	范兴明	桂林电子科技大学电气工程及其自动化系	55	437	11.0	18.0
3	张鑫	桂林电子科技大学电气工程及其自动化系	48	581	10.0	23.0
4	王超	桂林电子科技大学电气工程及其自动化系	10	12	2.0	3.0
5	高琳琳	桂林电子科技大学电气工程及其自动化系	5	4	1.0	2.0