基于高斯过程回归的锂离子电池SOC估计

• 作者: 叶敏 徐信芯 李嘉波 焦生杰 魏孟
• 来源期刊: 储能科学与技术
• 学科: 工学
• 关键词: SOC 高斯过程回归 锂离子电池
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 储能系统与工程
• 页码范围: 131-137
• 页数: 7页
• 分类号: TM911
• 字数: 2966字
• 语种: 中文
• DOI: 10.19799/j.cnki.2095-4239.2019.0189

摘要

电池状态估计(SOC)在电池管理系统(BMS)尤为重要,由于SOC估计易受温度、荷载、充放电效率等外界因素的影响,因此估计精度很难保证.目前,有很多国内外学者利用机器学习算法进行SOC估计,然而神经网络(NN)的估计精度依赖于样本个数,支持向量机(SVM)在参数寻优时已陷入局部最优.因此为了提高SOC的估计精度,提出了基于高斯过程回归(GPR)的锂离子电池在线的估计方法,根据电池的测量参数,包括电流、电压、温度作为GPR模型的输入,SOC作为模型的输出,进行模型训练,并利用梯度下降法进行参数寻优.通过仿真和恒流充放电实验采集的数据来验证模型的有效性,并与SVM、LSSVM和NN相比,验证了模型的有效性和高精度性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦生杰	长安大学公路养护装备国家工程实验室	167	1258	18.0	26.0
2	叶敏	长安大学公路养护装备国家工程实验室	58	206	8.0	11.0
3	徐信芯	长安大学公路养护装备国家工程实验室	31	55	4.0	6.0
4	李嘉波	长安大学公路养护装备国家工程实验室	13	11	2.0	2.0
5	魏孟	长安大学公路养护装备国家工程实验室	6	4	1.0	2.0