基于参数优化最小二乘支持向量机HEV阀控铅酸蓄电池.PDFVIP

第 46 卷第 1 期 中南大学学报(自然科学版)  Vol.46  No.1  2015 年 1 月  Journal of Central South University (Science and Technology)  Jan. 2015  DOI: 10.11817/j.issn.1672−7207.2015.01.016  基于参数优化的最小二乘支持向量机 HEV 阀控 铅酸蓄电池 SOC 预测 1,2  2,3  1, 2  王琪  ，孙玉坤  ，黄永红  (1.  江苏大学 电气信息工程学院，江苏 镇江，212013；  2.  江苏大学 机械工业设施农业测控技术与装备重点实验室，江苏 镇江，212013；  3.  南京工程学院 电力工程学院，江苏 南京，211167)  摘要：针对电池容量预测问题，引入最小二乘支持向量机(LS­SVM)方法用于判断混合动力汽车(HEV)阀控铅酸蓄 电池(VRLA)的荷电状态(SOC)。考虑到最小二乘支持向量机的参数选择会对预测结果产生较大的影响，提出一种 基于参数优化的最小二乘支持向量机预测方法。首先，在非线性回归预测模型的训练过程中，采用模拟退火算法 来确定 LS­SVM 的初始值参数，从而更好地反映预测模型的复杂度，以此提高状态预测的精度。其次，由于预测 模型在应对不 良数据时可能出现误差增大的问题，分别采用贝叶斯证据框架(BEF)优化算法和留一交叉验证  (LOOCV)优化算法来增强预测模型的抗差能力。研究结果表明：留一交叉验证优化算法具有较高的预测精度，实 用性强，有效性高。 关键词：蓄电池；荷电状态；最小二乘支持向量机；参数优化；预测 中图分类号：TP912  文献标志码：A  文章编号：1672−7207(2015)01−0113−07  SOC prediction ofVRLA battery for HEV based on  parameter­optimized least square support vector machines  1, 2  2, 3  1, 2  WANG Qi  , SUN Yukun  , HUANG Yonghong  (1. School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China;  2. Key Laboratory of Facility Agriculture Measurement and Control Technology and Equipment of Machinery Industry,  Jiangsu University, Zhenjiang 212013, China;  3. School of Electrical Power Engineering, Nanjing Institute of Technology, Nanjing 211167, China)  Abstract: Least squar