基于粒子群算法优化SVM在电池SOC估算中的应用.pdfVIP

学兔兔 第 2期(总第 195期) 机 械 工 程 与 自 动 化 N o．2 2016年 4月 MECHANICAI ENGINEERING ＆ AUTOMATION Apr． 文 章 编 号 ：1672—6413(2016)02—0154—02 基 于粒子群算 法优 化 SVM 在 电池 SOC估 算 中的应用 张 凯 (山东 能 源 枣 矿 集 团 蒋 庄 煤 矿 ， 山东 枣 庄 277519) 摘要 ：为 了实现 井下救 生舱 动力 电池 S0CCharge)的估Of (State 算，将 支持 向量机 (sVM)的方法应用于 电池 s0C的 估 算 中。 为 了得 到 合 适 的惩 罚 因 子 c和 核 函 数 K ， 利 用 粒 子 群 算 法 来 优 化 支 持 向 量 机 ；建 立 了 支 持 向量 机 模 型 ， 对 井 下 救 生 舱 的 电池 剩 余 电量 进 行 预 测 。 实验 结 果 表 明 ：采 用 粒 子 群 优 化 支 持 向量 机 的 方 法 具 有 较 高 的 准 确度 ， 有 一 定 的 实 用 价 值 。 关键 词 ： 电池 SOC； 粒 子 群 优 化 ；SVM ；救 生 舱 中 图 分 类 号 ：TD77 4 文 献 标 识 码 ：A 0 0 引 言 中 ，对电池 电量 的估 计具 有非 常 高 的估 计精 度 ，达到 了 煤 矿井 下矿 用救 生舱 以及 避难 硐 室可 为井 下遇 险 满 意 的预测 精度 。 矿 工提 供避 难 空 间 的舱 室 [1]，动力 电池 作 为 重 要 的后 1 支 持 向量机 模型 备 电源 ，其性 能要 求 要 高 于其 他 应 用 领 域_2]。由于 动 支持 向 量 机 (Support Vector Machine，SVM)是 力 电池 的剩 余 电量是 电压 、放电 电 流 和温 度 等 变 量 的 建 立在 统计 学 理论 的 基 础上 ，采用 了结 构 风 险 最 小 原 非 线性 函数 ，对其计 量 存 在 着计 量 误 差 大 和 状 态 预 测 理 ，常被用 来 解决 分 类 和 回归 分 析 方 面 的 问题 [4]。在 性 差 等???题 [3]。支 持 向 量机 因具 有 更 好 的 泛 化 精 度 ， 解 决非 线 性 问题 时 ，支持 向量 机 会从 一个 非 线 性 变 换 在 非线 性模 式 中得 到 了应 用 ，为了使 支持 向量 机 具 有 将 输入 空 间 的样 本 数 据 从 低 维 空 间 映 射 到 高 维 空 间 更 高 的预测 精度 ，惩罚 因子 C和核 函数 K 的选取 尤 为 中 。对于 一个 样本 集 D一 {( E，YR 32 ，Y)l ∈R)， 重 要 。本文 将 粒 子 群 算 法 应 用 于支 持 向量 机 的 寻 优 其线性 回归 问题 可 用 下面 的优化 模型 来表 示 ： (a，