锂电池剩余放电时间预测方法研究

• 作者: 付春流 郑文芳 陈东洋 陈德旺
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 锂电池 支持向量回归(SVR) 剩余放电时间 参数优化
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 理论与算法
• 页码范围: 57-62
• 页数: 6页
• 分类号: TM912
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004082

摘要

针对现有锂电池剩余放电时间预测方法较少,且预测误差较大的问题,提出了一种基于支持向量回归(SVR)的剩余放电时间预测方法.基于支持向量回归,采用网格搜索、粒子群优化算法(PSO)、遗传算法(GA)3种参数优化方法对模型进行参数寻优,并通过预测效果分析,采用效果最好的粒子群优化算法作为预测模型的参数寻优方法.实验结果表明,此方法很好地拟合了锂电池在不同容量衰减状况下的放电曲线,将预测的平均相对误差控制在5％以内.最后通过与高斯拟合及神经网络方法进行误差对比,验证了模型在锂电池剩余放电时间预测中的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德旺		12	26	4.0	4.0
2	付春流		2	0	0.0	0.0
3	郑文芳		1	0	0.0	0.0
4	陈东洋		1	0	0.0	0.0