典型文献
基于改进最小二乘支持向量机的锂离子电池健康状态快速估计方法
文献摘要：
锂离子电池健康状态(State of health,SOH)是电池系统安全管理与运维的主要参数之一,准确快速的SOH估计对提高电池应用的安全性有着重要意义.针对目前存在的电池 SOH 估计速度与精度难以兼顾的问题,提出一种基于改进最小二乘支持向量机(Improved least squares support vector machine,ILS-SVM)的SOH快速准确估计方法.通过对LS-SVM算法设定合适的临界系数,舍弃部分支持向量,削弱边界样本对算法的影响,从而提高了算法的鲁棒性与运行速度,形成改进的LS-SVM算法.通过分析电池电压特性,选取特征电压数据区间进行估计,有效避免电池的完全充放电测量,提高SOH的估计效率.验证结果表明,所提出的电池SOH估计方法估计精度较高,大部分估计误差小于1％,且所提算法相比于改进之前的算法,运行速度提升最高可达20％.
文献关键词：
锂离子电池;健康状态估算;最小二乘支持向量机;数据驱动
中图分类号：
作者姓名：
徐彬翔;郑林锋;黄乙恒;肖志能;王新月
作者机构：
暨南大学国际能源学院 珠海 519070;暨南大学轨道交通研究院 珠海 519070
文献出处：
引用格式：
[1]徐彬翔;郑林锋;黄乙恒;肖志能;王新月-.基于改进最小二乘支持向量机的锂离子电池健康状态快速估计方法)[J].电气工程学报,2022(04):11-19
A类：
B类：
改进最小二乘,最小二乘支持向量机,锂离子电池,电池健康状态,估计方法,State,health,SOH,电池系统,系统安全管理,主要参数,准确快速,Improved,least,squares,support,vector,machine,ILS,快速准确,舍弃,运行速度,电压特性,充放电,电测量,估计精度,估计误差,健康状态估算
AB值：
0.322486
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
