基于Wavelet降噪和支持向量机的锂离子电池容量预测研究

作者：张婷婷; 于明^*; 李宾; 刘哲

来源：电工技术学报, 2020, 35(14): 3126-3136.

DOI：10.19595/j.cnki.1000-6753.tces.190620

• 锂离子电池
• 支持向量机
• 优化算法
• 小波去噪
• 容量预测

随着电池使用次数的增加,电池会出现老化问题。通过对电池的剩余容量进行预测,可以为设备系统中电池管理系统提供可靠的数据支撑。该文采用支持向量机(SVM)对锂离子电池剩余容量进行预测,并采用改进鸡群算法(ICSO)对SVM参数进行优化,从而建立了ICSO-SVM预测模型。为验证预测模型的可行性,首先,采用db5小波对B5和B6电池容量衰减数据进行多尺度分解,进而重构去噪后的信号;其次,对鸡群优化算法(CSO)进行了改进,提出了ICSO优化算法,经测试ICSO算法的收敛精度明显高于粒子群优化算法(PSO)和传统CSO算法;最后,采用两组实验对CSO-SVM模型和ICSO-SVM模型进行验证。通过分析发现,ICSO-SVM模型的平均偏差(AAD)值在1.5%以下,RMSE值在2%以下,R2均值为0.972 6。

• 单位
  电子信息工程学院; 河北工业大学