Indexed by：
Abstract：
针对现有锂电池剩余放电时间预测方法较少,且预测误差较大的问题,提出了一种基于支持向量回归(SVR)的剩余放电时间预测方法。基于支持向量回归,采用网格搜索、粒子群优化算法(PSO)、遗传算法(GA)3种参数优化方法对模型进行参数寻优,并通过预测效果分析,采用效果最好的粒子群优化算法作为预测模型的参数寻优方法。实验结果表明,此方法很好地拟合了锂电池在不同容量衰减状况下的放电曲线,将预测的平均相对误差控制在5%以内。最后通过与高斯拟合及神经网络方法进行误差对比,验证了模型在锂电池剩余放电时间预测中的有效性和优越性。
Keyword：
Reprint 's Address：
Email：
Source ：
电子测量技术
Year： 2020
Issue： 10
Volume： 43
Page： 57-62
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
