基于IACA-SVR的电池SOH预测研究

发布时间：2022-10-29 14:29

　　针对锂电池老化机理复杂、电池健康状态（SOH）估算不准确问题,提出了一种新型电池SOH估计方法。首先,建立基于改进蚁群算法优化支持向量回归（IACA-SVR）的电池SOH预测模型,以电池放电过程平均电压和平均温度为输入变量,模拟电池老化。其次,利用样本数据训练SVR,并用IACA来优化SVR的参数。在数据集上的实验结果表明,经过优化的SVR预测结果与遗传算法SVR（GA-SVR）预测结果相比更为精确,稳定性更好,从而验证了IACA-SVR预测模型的可行性,能为电动汽车锂电池的安全使用提供准确电池数据。 

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于多尺度分解和深度学习的锂电池寿命预测[J]. 胡天中,余建波.  浙江大学学报(工学版). 2019(10)
[2]基于局部信息融合及支持向量回归集成的锂电池健康状态预测[J]. 陈建新,候建明,王鑫,邵海涛,宋广磊,薛宇.  南京理工大学学报. 2018(01)
[3]电动汽车电池的发展现状与趋势[J]. 华政,梁风,姚耀春.  化工进展. 2017(08)
[4]数据驱动的寿命预测和健康管理技术研究进展[J]. 胡昌华,施权,司小胜,张正新.  信息与控制. 2017(01)
[5]改进蚁群算法求解最短路径问题[J]. 袁亚博,刘羿,吴斌.  计算机工程与应用. 2016(06)



本文编号：3697856