[1]张洪涛,夏耀威,凃玲英,等.改进PSO优化LSSVM的锂电池SOC估算模型[J].华侨大学学报(自然科学版),2021,42(2):245-250.[doi:10.11830/ISSN.1000-5013.202006008]
　ZHANG Hongtao,XIA Yaowei,TU Lingying,et al.Lithium Battery SOC Estimation Model Based on Improved PSO and Optimized LSSVM[J].Journal of Huaqiao University(Natural Science),2021,42(2):245-250.[doi:10.11830/ISSN.1000-5013.202006008]
点击复制

改进PSO优化LSSVM的锂电池SOC估算模型()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第42卷
期数:
2021年第2期
页码:
245-250
栏目:
出版日期:
2021-03-20

文章信息/Info

Title:
Lithium Battery SOC Estimation Model Based on Improved PSO and Optimized LSSVM
文章编号:
1000-5013(2021)02-0245-06
作者:
张洪涛;  夏耀威;  凃玲英;  张灿
湖北工业大学 电气与电子工程学院, 湖北 武汉 430068
Author(s):
ZHANG Hongtao;  XIA Yaowei;  TU Lingying;  ZHANG Can
College of Electrical and Electronic Engineering, Hubei University of Technology, Wuhan 430068, China
关键词:
锂电池;  荷电状态;  粒子群优化算法;  最小二乘支持向量机
Keywords:
lithium battery;  state of charge;  particle swarm algorithm;  least squares support vector machine
分类号:
TM912
DOI:
10.11830/ISSN.1000-5013.202006008
文献标志码:
A
摘要:
为提高锂电池荷电状态(SOC)的估算精度,提出一种改进粒子群优化(PSO)算法;对最小二乘支持向量机(LSSVM)的惩罚参数C和核函数参数σ进行寻优,建立基于改进PSO-LSSVM的锂电池SOC估算模型.对磷酸铁锂充放电实验数据进行仿真分析,结果表明:改进PSO-LSSVM模型的平均相对误差为2.96%,均方根误差为0.018,全局最大相对误差为4.79%;改进PSO-LSSVM模型明显提高锂电池SOC估算精度.
Abstract:
In order to improve the estimation accuracy of state of charge(SOC)of lithium battery, an improved particle swarm optimization(PSO)algorithm is proposed to optimize the penalty parameter C and kernel function parameter σ of least squares support vector machine(LSSVM), and a SOC estimation model of lithium battery based on improved PSO-LSSVM is established. The charge-discharge experimental data of FePO4 are simulated and analyzed, the results show that the average relative error of the improved PSO-LSSVM model is 2.96%, the root mean square error is 0.018, and the global maximum relative error is 4.79%, which shows that the improved PSO-LSSVM model can significantly improve the SOC estimation accuracy of lithium battery.

参考文献/References:

[1] 刘光明.面向电动汽车续驶里程估计的电池剩余放电能量预测研究[D].北京:清华大学,2015.
[2] 郑英东.三元锂离子电池的SoC估计方法研究[D].大连:大连理工大学,2015.
[3] 郭向伟.电动汽车电池荷电状态估计及均衡技术研究[D].广州:华南理工大学,2016.
[4] 陈峭岩.电动汽车电池状态估计及均衡管理研究[D].天津:天津大学,2014.
[5] 王晨,王琪,张萌.粒子群优化神经网络的动力电池SOC估算研究[J].单片机与嵌入式系统应用,2020,20(6):20-23,29.
[6] 阳同光,桂卫华.基于粒子群优化自适应反推光伏并网逆变器控制研究[J].中国电机工程学报,2016,36(11):3036-3044.DOI:10.13334/j.0258-8013.pcsee.2016.11.020.
[7] 陈菀荣.基于改进PSO-BP神经网络的公路隧道事故严重程度预测[D].武汉:华中科技大学,2019.
[8] SHI Y,EBERHART R.A modified particle swarm optimizer[C]//IEEE International Conference on Evolutionary Computation Proceedings.Anchorage:[s.n.]:69-73.DOI: 10.1109/ICEC.1998.699146.
[9] CLERC M.The swarm and the queen: Towards a deterministic and adaptive particle swarm optimization[C]// Proceedings of the 1999 Congress on Evolutionary Computation-CEC99.Washington D C:[s.n.]:1951-1957.DOI:10.1109/CEC.1999.785513.
[10] 王粟,邱春辉,曾亮.自适应变异粒子群优化BP的短期风电功率预测模型[J].华侨大学学报(自然科学版),2020,41(1):90-95.DOI:10.11830/ISSN.1000-5013.201906031.
[11] 熊阳辉.基于改进PSO-LSSVM的短期负荷预测系统的设计与实现[D].合肥:安徽大学,2019.
[12] 涂伟平,李春祥.基于混合智能算法优化LSSVM的短期风压预测[J].上海大学学报(自然科学版),2019,25(2):347-356.DOI:10.12066/j.issn.1007-2861.1919.
[13] 康晓凡.基于优化支持向量回归机的充电站负荷预测研究[D].西安:西安科技大学,2019.
[14] YAN Hongmei,MU Huina,YI Xiaojian,et al.Fault diagnosis of rolling bearing based on WP reconstructed energy entropy and PSO-LSSVM[C]//Prognostics and System Health Management Conference.Paris:[s.n.]:18-23.DOI:10.1109/PHM-Paris.2019.00011.
[15] 陈清华,卢宇,何志杰.基于改进EKF算法的锂电池SOC估算方法[J].福建师范大学学报(自然科学版),2018,34(6):39-44,51.DOI:10.12046/j.issn.1000-5277.2018.06.007.
[16] SALECK N,BREMEN L V.Wind power forecast error smoothing within a wind farm[J].Journal of Physics Conference Series,2007,75:012051.DOI:10.1088/1742-6596/75/1/012051.
[17] 褚彪.电动汽车锂电池荷电状态估算及均衡控制策略研究[D].南昌:江西理工大学,2019.

相似文献/References:

[1]陈亦可,岡田重人,山木准一.FePO4的制备及其在锂电池中的应用[J].华侨大学学报(自然科学版),2002,23(4):407.[doi:10.3969/j.issn.1000-5013.2002.04.016]
[2]陈亦可.结晶态FePO4在锂电池中的应用[J].华侨大学学报(自然科学版),2006,27(4):369.[doi:10.3969/j.issn.1000-5013.2006.04.009]
　Chen Yike.A Study on the Application of a Cathode Material FePO4 in Lithium Batteries[J].Journal of Huaqiao University(Natural Science),2006,27(2):369.[doi:10.3969/j.issn.1000-5013.2006.04.009]

备注/Memo

备注/Memo:
收稿日期: 2020-06-05
通信作者: 张洪涛(1963-),男,教授,博士,主要从事优化算法、新能源测控等的研究.E-mail:zhanght@mail.hbut.edu.cn
基金项目: 国家自然科学基金资助项目(41601399)
更新日期/Last Update: 2021-03-20