基于支持向量机与改进高斯过程混合模型的车用电池容量预测方法

作     者：李雨佳 欧阳权 刘灏仪 祝铭烨 王志胜 LI Yujia;OUYANG Quan;LIU Haoyi;ZHU Mingye;WANG Zhisheng

作者机构：南京航空航天大学自动化学院南京211106 中国科学技术大学网络空间安全学院合肥230026 

基　　金：国家自然科学基金(61903189) 中国博士后科学基金(2020M681589)资助项目 

出 版 物：《电气工程学报》 (Journal of Electrical Engineering)

年 卷 期：2024年第19卷第1期

页      码：87-96页

摘      要：基于数据驱动的容量预测有助于锂电池健康管理以延长其使用寿命。然而,目前大多数相关方法基于实验室数据展开,无法反映实际复杂工况下车用电池老化特性。因此,本文利用电动汽车实车数据,设计了一种基于支持向量机与改进高斯过程的混合模型,实现了车用电池容量的精确预测。首先从汽车实时运行数据集中利用滑动窗口安时积分法提取其容量数据,设计了集合经验模态分解方法,将电池容量分为长期退化趋势和短期波动两部分,然后分别设计支持向量机与改进高斯过程对这两个分量进行建模,将结果融合得到最终的容量预测值。基于三辆实车数据集的试验结果表明,所提出的方法可以适用于实车数据的高精度容量预测。

主 题 词：实车数据 容量预测 支持向量机 改进高斯过程 

学科分类：0808[工学-自动化类] 08[工学] 

D　O　I：10.11985/2024.01.009

馆 藏 号：203127497...