最小二乘支持向量机荷电状态估计方法

作     者：盛瀚民 肖建 贾俊波 邓雪松 Sheng Hanmin;Xiao Jian;Jia Junbo;Deng Xuesong

作者机构：西南交通大学电气工程学院成都610031 淡马锡理工学院工程学院新加坡529757 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2015年第36卷第6期

页      面：1453-1458页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(51177137) 

主　　题：荷电状态 最小二乘支持向量机 粒子群优化 核函数 BP神经网络 

摘      要：为解决一般电池模型对于不同健康状况电池泛化性能较差的问题,利用最小二乘支持向量机(LSSVM)的回归原理,通过提取锂电池运行过程中的外部特性构建LSSVM模型。引入粒子群优化算法(PSO)以提高训练效率与模型精度。通过恒流放电实验比较了几种核函数的估计效果,利用交替充、放电实验验证了PSO-LSSVM方法在复杂运行状况下电池荷电状态(SOC)估计的有效性。并与其他估计、优化方法比较,进一步验证方案的优越性。该方法给微电网储能系统的精确、快速估计提供了新的解决方案。