基于局部信息融合及支持向量回归集成的锂电池健康状态预测

作者：陈建新; 候建明; 王鑫; 邵海涛; 宋广磊; 薛宇

来源：南京理工大学学报, 2018, 42(01): 48-55.

DOI：10.14177/j.cnki.32-1397n.2018.42.01.007

• 锂电池
• 健康状态
• 支持向量回归
• 集成学习
• 信息融合

为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble support vector regression,LIF-ESVR)算法。该算法的核心思想是利用数据的局部信息融合替代原有全局信息,并将信息层融合问题转化为决策层融合问题。首先将原始的训练集划分为若干个子训练集,每个子训练集都包含了原始训练集中的部分重要信息;然后,在每个子训练集上训练一个对应的SVR模型;最后,利用集成学习算法将已训练好的多个SVR模型进行融合。在美国国家航空航天局蓄电池数据上的实验结果表明,所提方法的性能优于现有的锂电池SOH预测方法,具有广泛的应用价值。

• 单位
  国网电力科学研究院有限公司; 国网新疆电力公司