基于GA和PSO的电动客车锂离子电池SOC估计

以广州某巴士企业电动公交在实际运行和停车充电状态下的电压、电流和荷电状态(SOC)的数据,分别建立基于支持向量回归机(SVR)的锂离子电池放电和充电的SOC估计模型,并利用网格搜索法(GS)、遗传算法(GA)和粒子群算法(PSO)进行参数优化,对比估计精度和拟合优度。处理放电阶段数据时,基于PSO优化后的SOC估计模型误差为2.39%,拟合优度为0.913,均优于其他算法;处理充电阶段数据时,基于GA优化后的SOC估计模型误差为0.16%,拟合优度为0.990,优化效果最好。针对不同阶段的SOC估计,可采用不同的算法来优化估计模型,以提高精度和拟合优度。