小程序 微信订阅号 注册账号 登录
电动汽车论坛
电车令小程序
电动汽车论坛 电动汽车论坛-电动汽车网 『 电池管理系统(BMS) 』 基于稀疏采样数据的电动公交车电池 SOC 预测方法研究
返回列表
查看:300 回复:2

基于稀疏采样数据的电动公交车电池 SOC 预测方法研究  [复制链接]

打印打印
[ 摘要] 为提高电动公交车电池 SOC 预测的精度, 基于某电池监控云平台电池数据库中存储的以 30 s 为采样周期的稀疏采样的电池运行数据, 对电动公交车电池 SOC 预测方法进行了研究。 首先, 介绍了稀疏采样数据源, 分析了电动公交车动力电池的运行过程及其 SOC 变化的影响因素。 选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻 SOC 值作为预测变量, 而选择当前电池组 SOC 作为输出变量, 构建了训练数据集与测试数据集。然后, 采用支持向量机( SVM) 算法进行训练, 并使用贝叶斯优化算法寻找 SVM 的最优超参数组合, 提出了基于稀疏采样数据的电动公交车电池 SOC 单步预测方法。 接着通过对训练数据集的再划分, 进一步提出了基于稀疏采样数据的电动公交车 SOC 自主预测方法, 摆脱了在 SOC 长期预测过程中对于 BMS 估计的真实 SOC 值的依赖。 试验结果表明, SOC 单步预测方法的最大绝对误差仅为 1 82% , SOC 自主预测方法的最大绝对误差也只有 5 89% , 都具有较高的预测精度。 根据在不同运行路线和不同环境温度下的试验结果, SOC 预测模型具有较高的鲁棒性。

关键词: 电池荷电状态; 稀疏采样数据; 支持向量机; 贝叶斯优化算法

基于稀疏采样数据的电动公交车电池SOC预测方法研究_.pdf (1.37 MB) (预览)
连接电车人,有令行天下
微信小程序【电车令】,助您拓展人脉!

 

 

 

你可能感兴趣的帖子:
想加入电车人俱乐部微信群的朋友请加我微信!!【微信号:ddqcw2,验证信息为:公司简称+职位头衔】

返回列表
高级模式 | 发新话题
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 15秒注册通行证
回顶部