基于贝叶斯最小二乘支持向量机的电池SOC预测

基于贝叶斯最小二乘支持向量机的电池SOC预测
井娥林;孙正凤;温宏愿
【期刊名称】《电源技术》
【年(卷),期】2015(039)012
【摘要】针对混合动力汽车电池电能容量判别问题,将最小二乘支持向量机方法应用于混合动力汽车电池荷电状态的预测.考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响,提出了基于贝叶斯证据框架优化的最小二乘支持向量机预测方法.通过贝叶斯证据框架自动调整正则化参数和核参数,更好地实现了最小化误差和模型复杂性之间的折中.将电池的工作电压、工作电流和表面温度参数用来预测蓄电池的荷电状态实时值,在美国城市动态驱动工况(UDDS)条件下进行实验验证,结果表明:所设计预测模型具有较高的精度,能够实时准确地预测出SOC值,实用性强,有效性高.
【总页数】5页(P2616-2619,2642)
【作者】井娥林;孙正凤;温宏愿
【作者单位】南京理工大学泰州科技学院,江苏泰州225300;南京理工大学泰州科技学院,江苏泰州225300;南京理工大学泰州科技学院,江苏泰州225300
【正文语种】中文
【中图分类】TM912.9
【相关文献】
1.贝叶斯框架下最小二乘支持向量机的中长期电力负荷组合预测 [J], 牛东晓;吕海涛;张云云
2.状态时间序列预测的贝叶斯最小二乘支持向量机方法 [J], 张弦;王宏力;张金生;孙渊
3.基于贝叶斯正则化算法BP神经网络钒电池SOC预测 [J], 杨春生;牛红涛;隋良红;李明兴
4.基于贝叶斯最小二乘支持向量机的时用水量预测模型 [J], 陈磊;张土乔
5.基于贝叶斯次优解的锂电池SOC初值追踪研究 [J], 高金辉;巴雁远;郑晓彦因版权原因，仅展示原文概要，查看原文内容请购买。