基于贝叶斯最小二乘支持向量机的电池SOC预测

发布时间：2017-08-21 13:01

  本文关键词：基于贝叶斯最小二乘支持向量机的电池SOC预测

  更多相关文章： SOC预测 贝叶斯证据框架 最小二乘支持向量机 混合动力汽车

【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。
【作者单位】： 南京理工大学泰州科技学院;
【关键词】： SOC预测 贝叶斯证据框架 最小二乘支持向量机 混合动力汽车
【基金】：江苏省高校研究生创新计划项目(CXZZ13_0683)
【分类号】：TM912;TP18
【正文快照】： 电池是混合动力汽车的能源之一,为确保电池组性能良好、延长电池使用寿命,以及提高混合动力汽车的燃油经济性,须准确可靠地获得电池现存容量参数以便进行合理有效的管理和控制[1]。SOC作为电池的内部特性通常只能通过对电压、电流、温度等一些直接测量的外部特性参数预测而得

【参考文献】

中国期刊全文数据库 前1条

1 牛东晓;吕海涛;张云云;;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];华北电力大学学报(自然科学版);2008年06期

【共引文献】

中国期刊全文数据库 前7条

1 何永秀;王跃锦;杨丽芳;何海英;罗涛;;基于最小二乘支持向量机的居民用电预测研究[J];电力需求侧管理;2010年03期

2 李如琦;苏浩益;王宗耀;邓国良;陈铁洲;;应用启发式最小二乘支持向量机的中长期电力负荷预测[J];电网技术;2011年11期

3 王爱民;宋强;李华;张运素;徐蕾;;小样本贫信息条件下高炉冶炼烧结终点组合预测法[J];重庆大学学报;2011年05期

4 吴森;韦灼彬;;基于最小二乘支持向量机的板结构损伤识别[J];工业建筑;2011年S1期

5 刘俊;杨荃;何安瑞;解华华;;贝叶斯框架下的LS-SVM在热连轧机轧制力预报中的应用[J];钢铁研究学报;2011年06期

6 邵骏;袁鹏;张文江;钱晓燕;;基于贝叶斯框架的LS-SVM中长期径流预报模型研究[J];水力发电学报;2010年05期

7 皮薇;黎特;;基于粗糙集改进的支持向量机模型及其在短期电力负荷预测中的应用[J];山东电力高等专科学校学报;2013年04期

中国博士学位论文全文数据库 前3条

1 毛李帆;电网规划中长期负荷预测技术的研究[D];湖南大学;2011年

2 王大鹏;灰色预测模型及中长期电力负荷预测应用研究[D];华中科技大学;2013年

3 张谦;新能源风电运营不确定性收益管理方法及信息系统研究[D];华北电力大学;2014年

【二级参考文献】

中国期刊全文数据库 前10条

1 肖先勇;葛嘉;何德胜;;基于支持向量机的中长期电力负荷组合预测[J];电力系统及其自动化学报;2008年01期

2 潘峰,程浩忠,杨镜非,张澄,潘震东;基于支持向量机的电力系统短期负荷预测[J];电网技术;2004年21期

3 余健明,燕飞,杨文宇,夏超;中长期电力负荷的变权灰色组合预测模型[J];电网技术;2005年17期

4 罗楠;朱业玉;杜彩月;;支持向量机方法在电力负荷预测中的应用[J];电网技术;2007年S2期

5 孟明 ,牛东晓 ,关哲;中长期电力负荷组合预测[J];华北电力技术;2004年06期

6 李方方;赵英凯;颜昕;;基于Matlab的最小二乘支持向量机的工具箱及其应用[J];计算机应用;2006年S2期

7 王伟;魏洪兴;陈殿生;王田苗;;基于经验模分解和最小二乘支持矢量机的装载机载质量动态测量混合建模方法[J];机械工程学报;2008年02期

8 陈磊;张土乔;;基于贝叶斯最小二乘支持向量机的时用水量预测模型[J];天津大学学报;2006年09期

9 卓东;李U，

本文编号：713004