Print

基于多元线性回归的锂动力电池荷电状态鲁棒预测

论文摘要

目前广泛使用的锂电池荷电状态（state-of-charge,SOC）预测方法的训练数据需要通过大量的仿真实验获取,而电动汽车在充电过程中产生的大量的充电记录数据并没有得到合理利用;为了能有效利用这些充电记录数据,将多元线性回归算法应用到SOC预测中;多元线性回归方法将电压、电流、电容等物理量作为与SOC直接相关的输入变量从而对SOC进行回归预测;由于SOC的时序特征,将SOC预测分为多个子预测过程,不断迭代计算,循环预测SOC的下一时刻输出值;同时为了克服异常样本对SOC预测精度的影响,采用两种常见的鲁棒回归算法（Theil-sen算法与RANSAC算法）来进行SOC预测;实验结果表明,鲁棒回归算法及多元线性回归算法能够很好地捕捉到SOC的增长规律,相比之下,Theil-sen算法精度更高,误差约1.398%,能够很好地满足SOC预测的实际需求。

论文目录

  • 0 引言
  • 1 多元回归模型
  •   1.1 多元线性回归模型
  •   1.2 鲁棒回归模型
  •     1.2.1 Theil-Sen
  •     1.2.2 RANSAC
  • 2 SOC回归预测
  •   2.1 SOC定义
  •   2.2 SOC预测模型
  • 3 评价标准
  • 4 实验结果与分析
  •   4.1 数据预处理
  •   4.2 实验结果
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 张松,林伟钦,陈德旺,汤平,郑其荣

    关键词: 多元鲁棒回归,时序特征

    来源: 计算机测量与控制 2019年08期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业

    单位: 福州大学数学与计算机科学学院,福建星云电子股份有限公司

    基金: 国家重点研发计划课题(2018YFB0104403),产学研合作项目(00101707)

    分类号: TM912

    DOI: 10.16526/j.cnki.11-4762/tp.2019.08.037

    页码: 177-181+187

    总页数: 6

    文件大小: 1006K

    下载量: 150

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/675d30e8e9fc14e637b64978.html