摘要
为了提高电动车铅酸蓄电池的电池荷电状态（SOC）预测精度,将粒子优化算法（PSO）引入到支持向量机（SVM）中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了＂SOC估算精度小于5%＂的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。
出版日期
2012年05月15日（中国期刊网平台首次上网日期，不代表论文的发表时间）
