基于LIBSVM的铅酸蓄电池荷电状态估计

摘要：

研究准确预测蓄电池荷电状态(SOC)的方法对于快速、准确调节充电装置的动态充电过程具有重要意义.从基于测量蓄电池端电压和内阻实现预测其SOC出发,研究了基于卡尔曼滤波提高蓄电池端电压、内阻和充放电电流测量准确性的方法,在此基础上,进一步提出利用LIBSVM支持向量机基于蓄电池端电压、内阻和SOC的训练样本数据,建立反映其非线性映射的回归预测模型建模方法.最后通过实验数据验证了所提SOC预测模型建模方法的可行性.与利用BP神经网络预测SOC的结果对比表明,基于相同训练样本,所提方法建立的预测模型具有SOC估计预测误差小,对蓄电池宽运行范围的SOC评估具有良好适用性等特点.

关键词：卡尔曼滤波、支持向量机、铅酸蓄电池、荷电状态、LIBSVM

所属期刊栏目：44

分类号：TM912

资助基金：国家重大研究发展计划资助项目2018YFB0904001

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：578-581