典型文献
基于最小二乘支持向量回归的锂电池能量状态估计
文献摘要：
为了提高锂电池能量状态(SOE)估计精度,避免估计过程中的复杂建模及参数辨识过程,本文将最小二乘法(LS)与支持向量回归(SVR)相结合,提出了一种基于最小二乘支持向量回归机的SOE估计方法.通过提取锂电池运行的电压、电流、温度、荷电状态数据融合成能量因子,利用最小二乘支持向量回归机建立锂电池能量状态估计模型,采用网格寻优方法对模型参数寻优,实现了动态工况下的锂电池能量状态估计.仿真结果表明,本文选用的能量因子能准确表征锂电池能量状态,能量状态估计的平均绝对误差在1.5％以内.
文献关键词：
锂电池;能量因子;最小二乘法;支持向量回归;能量状态
中图分类号：
作者姓名：
段慧云;徐维;夏威
作者机构：
九江职业技术学院机械工程学院,江西 九江 332007;中国汽车工程研究院,重庆 400039;上汽通用五菱股份有限公司,广西 柳州 545000
文献出处：
引用格式：
[1]段慧云;徐维;夏威-.基于最小二乘支持向量回归的锂电池能量状态估计)[J].电池工业,2022(05):240-246
A类：
B类：
锂电池,能量状态,状态估计,SOE,估计精度,参数辨识,LS,SVR,最小二乘支持向量回归机,估计方法,荷电状态,状态数据,数据融合,能量因子,网格寻优,模型参数寻优,动态工况,平均绝对误差
AB值：
0.226953
相似文献
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。
