一种改进的支持向量机回归的电池状态估计
Energy Storage Science and Technology（2020）
Abstract
锂离子电池荷电状态(SOC)估计在电池管理系统(BMS)尤为重要,由于SOC不可直接测量,因此估计精度很难保证.为提高电池荷电状态估计精度,采用通过最小二乘支持向量机(LSSVM)建立电压、电流和SOC之间的关系.不同的是,为了减小电压和电流因变化造成SOC估计精度低,提出了一种改进的LSSVM的锂离子电池SOC在线估计方法.将上一时刻的电压测量值、电流测量值以及上一时刻SOC的估计值,作为模型的反馈量,并和当前时刻的电压值和电流值,共同作为模型的输入量,来估计当前时刻的SOC.实验结果表明,与LSSVM相比,所提方法误差控制在1％以内,验证了所提方法的有效性.
MoreKey words
Support Vector Machines,State of Charge Estimation,Battery Management Systems,Cycle Life Modeling
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined