几种机器学习算法的锂电池SOC估计研究

荷电状态(SOC)是锂电池管理系统的重要参数,对其能否准确估计关系到电池系统的优化和使用寿命。为了消除传统方法在SOC估计精度、实时性等方面的不足,提出了一种改进的估计锂电池SOC的LightGBM算法。在Panasonic-18650PF-Data公开数据集的基础上应用其进行锂电池SOC估计,减小数据训练误差,并评估机器学习模型的泛化误差。将随机森林、支持向量机、线性回归及神经网络等常用估计模型算法作为对比。数据表明,改进的LightGBM算法估计时间为随机森林的1/22、支持向量机的1/88及神经网络的1/1330,估计误差低于0.06。研究表明,该方法初步解决了现有锂电池SOC估计方法速率慢、拟合率低的问题,并拓展了该算法新的应用场景。