论文摘要
针对锂电池样本呈现出的数据量少、非线性特征,提出了一种基于互信息选择支持向量机回归(SVR)模型的输入特征向量来估计SOH的方法。考虑到影响支持向量机计算结果的因素包含输入样本的代表性和模型参数设置的好坏,在输入样本的选择上使用了互信息的方法,最终选择了恒流恒压充电过程中的电压均值和最高最低温差作为输入特征向量;选择网格搜索算法优化模型参数。实验结果表明,基于互信息选择SVR输入特征向量的锂离池SOH估计结果与基于B P神经网络模型的估计结果相比,所提方法获得了较高的SOH估计精度和泛化能力。
论文目录
文章来源
类型: 期刊论文
作者: 孙豪豪,潘庭龙,吴定会
关键词: 锂电池,互信息,恒流恒压充电,电压均值,最高最低温差
来源: 控制工程 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 江南大学物联网工程学院
基金: 国家自然科学基金(61672266,61572237)
分类号: TM912
DOI: 10.14107/j.cnki.kzgc.161628
页码: 700-707
总页数: 8
文件大小: 762K
下载量: 88