基于GA和PSO的电动客车锂离子电池SOC估计

• 作者: 王仲旭 张圣渠 刘强
• 来源期刊: 电池
• 关键词: 锂离子电池 荷电状态(SOC) 支持向量回归机(SVR) 算法优化
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 科研论文
• 页码范围: 221-224
• 页数: 4页
• 分类号: TM912.9
• 语种: 中文
• DOI: 10.19535/j.1001-1579.2021.03.002

摘要

以广州某巴士企业电动公交在实际运行和停车充电状态下的电压、电流和荷电状态(SOC)的数据,分别建立基于支持向量回归机(SVR)的锂离子电池放电和充电的SOC估计模型,并利用网格搜索法(GS)、遗传算法(GA)和粒子群算法(PSO)进行参数优化,对比估计精度和拟合优度.处理放电阶段数据时,基于PSO优化后的SOC估计模型误差为2.39％,拟合优度为0.913,均优于其他算法;处理充电阶段数据时,基于GA优化后的SOC估计模型误差为0.16％,拟合优度为0.990,优化效果最好.针对不同阶段的SOC估计,可采用不同的算法来优化估计模型,以提高精度和拟合优度.