-
题名基于增量学习相关向量机的锂离子电池SOC预测方法
被引量：21
- 1
-
-
作者
范兴明
王超
张鑫
高琳琳
刘华东
-
机构
桂林电子科技大学电气工程及其自动化系
-
出处
《电工技术学报》
EI
CSCD
北大核心
2019年第13期2700-2708,共9页
-
基金
国家自然科学基金(61741126)
广西制造系统与先进制造技术重点实验室主任课题(16-380-12-006Z)
+1 种基金
广西研究生教育创新计划项目(YCBZ2019050)
桂林电子科技大学研究生优秀论文培育项目(16YJPYSS02)资助
-
文摘
针对锂离子电池荷电状态(SOC)预测精度不高以及在线适应性差的问题,提出一种改进的增量学习相关向量机模型对锂离子电池SOC 进行在线预测。选择锂离子电池电压、充放电电流和表面温度作为模型的输入,SOC 作为模型的输出,构造模型的训练集。选用快速序列稀疏贝叶斯学习算法进行训练,并结合增量学习法建立增量学习相关向量机模型进行锂离子电池SOC在线预测方法研究。研究发现,通过自动调整核参数的方法,可以保证有较高的预测精度。算法验证实验表明,核参数可以控制算法的预测精度和计算效率,该算法预测精度高、计算速度快、通用性强,可为锂离子电池SOC 的预测与应用提供参考。
-
关键词
相关向量机
增量学习法
核参数
计算效率
锂离子电池
SOC预测
-
Keywords
Relevance vector machine
incremental learning method
kernel parameters
computational efficiency
li-ion battery SOC prediction
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
