基于LS-SVM的混合动力镍氢电池组SOC预测

被引：26

作者：

陈健美 ^{[1
,2
]}

钱承 ^{[3
]}

李玉强 ^{[1
,2
]}

曾谊晖 ^{[1
,2
]}

机构：

[1] 湖南省工程车辆底盘制造工程技术研究中心

[2] 湖南涉外经济学院机械工程学院

[3] 湖南大学机械与运载工程学院

来源：

中南大学学报(自然科学版) | 2013年 / 44卷 / 01期

基金：

湖南省自然科学基金;

关键词：

混合动力; SOC预测; 最小支持向量机; 遗传算法;

D O I：

暂无

中图分类号：

TM912.2 [碱性蓄电池];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

在电池管理系统中为了使荷电状态量SOC(state of charge)估计精确,提出以遗传算法优化最小二乘支持向量机(LS-SVM)的方法对电池的SOC进行预测的模型。在电池变流情况下对SOC进行研究,以标准工况下的实验数据作为样本,以电池的电流、电压及温度作为训练模型的输入,SOC作为输出建立模型,使之能很好地适用于混合动力汽车用电池在变电流状态下的实时SOC估计。研究结果表明:该预测模型预测精度高,其最大相对误差小于3%,平均相对误差小于2%,且与神经网络预测结果相比具有更强的实用性。

引用

页码：135 / 139

页数：5

共 10 条

[1]

基于最小二乘支持向量机的电池剩余电量预测 [J].