基于最小二乘支持向量机的SOC估计方法

为解决一般电池模型对于不同健康状况电池泛化性能较差的问题,利用机器学习中最小二乘支持向量机(LSSVM)的原理,通过提取锂电池运行过程中的外部参数构建LSSVM模型。引入粒子群优化算法(PSO)来提高训练的效率与模型准确性^([1])。通过恒流放电实验比较了几种核函数和几种优化算法的估计效果,验证了PSO-LSSVM模型在复杂运行状况下电池荷电状态(SOC)估计的有效性。并与其他方法进行比较,进一步验证方案的优越性。该方法为新能源动力汽车的进一步发展提供了有效的技术支持。