基于Wavelet降噪和支持向量机的锂离子电池容量预测研究

• 作者: 于明 刘哲 张婷婷 李宾
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 锂离子电池 支持向量机 优化算法 小波去噪 容量预测
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 电能存储与储能装备
• 页码范围: 3126-3136
• 页数: 11页
• 分类号: TM572.2
• 字数: 6329字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.190620

摘要

随着电池使用次数的增加,电池会出现老化问题.通过对电池的剩余容量进行预测,可以为设备系统中电池管理系统提供可靠的数据支撑.该文采用支持向量机(SVM)对锂离子电池剩余容量进行预测,并采用改进鸡群算法(ICSO)对SVM参数进行优化,从而建立了ICSO-SVM预测模型.为验证预测模型的可行性,首先,采用db5小波对B5和B6电池容量衰减数据进行多尺度分解,进而重构去噪后的信号;其次,对鸡群优化算法(CSO)进行了改进,提出了ICSO优化算法,经测试ICSO算法的收敛精度明显高于粒子群优化算法(PSO)和传统CSO算法;最后,采用两组实验对CSO-SVM模型和ICSO-SVM模型进行验证.通过分析发现,ICSO-SVM模型的平均偏差(AAD)值在1.5％以下,RMSE值在2％以下,R2均值为0.9726.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘哲	河北工业大学人工智能与数据科学学院	13	48	3.0	6.0
2	张婷婷	河北工业大学电子信息工程学院天津市电子材料与器件重点实验室	15	22	2.0	3.0