不同温度下基于PSO-LSSVM的锂电池SOH估计与RUL预测.pdf
《不同温度下基于PSO-LSSVM的锂电池SOH估计与RUL预测.pdf》由会员分享,可在线阅读,更多相关《不同温度下基于PSO-LSSVM的锂电池SOH估计与RUL预测.pdf(5页珍藏版)》请在咨信网上搜索。
1、 年第卷第期 传感器与微系统():()不同温度下基于的锂电池估计与预测陈璐,于仲安,熊莹燕(江西理工大学电气工程与自动化学院,江西赣州)摘要:电池的健康状态()和剩余寿命()是电池管理系统()的重要参数,准确地估计和预测对保障电池长期安全有效运行至关重要。选择锂电池等压降放电时间序列为间接健康因子,通过相关系数和秩相关系数说明所选健康因子与电池实际容量的相关性高;使用粒子群优化()算法寻找最小二乘支持向量机()的参数最优解,建立估计及预测模型。采用锂电池数据集对该方法进行验证,结果表明:在,三种不同环境温度下的电池估计结果平均绝对百分比误差()均在 以内,预测结果与实际结果误差均在 以内,说明
2、所选方法具有良好的适用性和可行性。关键词:锂离子电池;健康状态;剩余寿命;最小二乘支持向量机;间接健康因子;环境温度中图分类号:文献标识码:文章编号:(),(,):()()(),()(),:;();();();引言锂离子电池因其容量大、循环寿命长、无记忆性等特点,在各领域的能源设备中被广泛应用。为保障电池长期安全有效运行,需要准确估计电池的健康状态(,),预测电池的剩余寿命(,)。数据驱动法,不需要了解电池内部的失效机理,用电池的历史退化数据和状态监测数据(容量、阻抗、电压、电流、温度等),结合机器学习或智能算法,训练模型对和进行估计和预测。电池容量是表征电池老化状态的最直观因素,为了实现在线
3、测量电池容量,采用电池电压、电流等便于监测的参数作为间接健康因子(,)来进行估计和预测。在估计方面,文献采用基于改进粒子群优化算法的支持向量回归(,)直接预测,虽然考虑了环境温度,但直接预测不适用于在线情况;文献采收稿日期:基金项目:赣州市重点研发计划(工业领域)项目(赣市科发号)传 感 器 与 微 系 统第卷用改进布谷搜索与粒子滤波结合法和等放电电压差时间间隔间接预测,但未考虑环境温度的影响;文献采用多项式回归模型分别结合三种间接健康因子预测,但均未考虑环境温度的影响。在预测方面,文献以等压降放电时间序列为间接健康因子,采用高斯过程回归()预测;文献采用基于极限学习机()与等压降放电时间的方
4、法预测;文献采用遗传算法优化极限学习机()与等压降放电时间序列的方法预测。以上均未考虑环境温度的影响。本文以等压降放电时间作为间接健康因子,通过相关系数和秩相关系数验证了所选健康因子的合理性。考虑到样本数量有限的问题,采用粒子群优化的最小二乘支持向量机()算法对电池进行估计和预测。最后通过仿真实验,验证了该方法在各环境温度下预测结果的准确性和可行性。间接健康因子通常锂电池第一次充满电后的供电时间最长,随着电池重复充放电过程,电池充满电后的供电时间不断缩短。说明随着电池充放电过程不断进行,电池电压从较高电压下降到较低电压所需要的时间,即等压降放电时间不断减少。电池第次充放电循环时,等压降放电时间
5、为,其中,为第次充放电循环放电过程较高,电压对应的电池运行时间,为第次充放电循环放电过程较低,电压对应的电池运行时间。等压降放电时间序列为,。引入相关系数和秩相关系数。设组变量为,和,为在中的秩,为在中的秩。相关系数公式为(,)()槡()槡()秩相关系数公式为(珋)(珋)(珋)(珋)槡()锂电池的和间接估计预测以等压降放电时间序列为输入,实际容量作为输出,组成数据集,取数据集前一部分作为训练集,另一部分作为测试集。用训练集反复训练直到预测模型的输出结果与测试集的误差满足要求。通过模型所预测的电池容量计算得到预测的和值,与实际和值进行比较,评估模型预测的准确性。设样本为维向量,样本集表示为,为样
6、本输入向量,为输入训练样本所得到的输出向量,用一个非线性映射()将样本从原空间映射到特征空间(),在高维空间中构建最优策函数()()式中 为权值向量,为偏置量。依据结构风险最小化原则确定,()式中 控制模型的复杂程度,为正则化参数,为损失函数,为模型对训练样本的预测误差。故该优化为 ,()()用拉格朗日法求解(,)()()式中 ,为拉格朗日因子。根据条件求解 ()()()定义核函数(,)(),()()满足条件,则优化问题转为求解线性方程组(,)(,)(,)(,)()通过最小二乘法对式()进行优化求解得到与的值,可得到基于的回归估计函数()(,)()径向基核函数(,)具有较强的抗干扰能力,选用为
7、模型的核函数。定义如下第期陈璐,等:不同温度下基于的锂电池估计与预测(,)()()式中 为径向基核宽度。基于的将(,)看作粒子的位置,通过算法寻找和的最优解。在维空间中存在一个含个粒子的粒子群,其中任意一点粒子,位置向量为,速度向量为,单个粒子的个体极值为,群体的全局极值为,。速度和位置的更新方程为()()()()()()()()()()()式中 为权重系数;,为空间维数;为迭代次数;,;,为,之间的随机数;,为学习因子;,为粒子最大飞行速度,该数值决定了搜索的精度;,由实际情况决定。通常为,。通过调节平衡算法的全局搜索和局部搜索的能力。权重系数当随着迭代次数的变化从逐渐变为,且满足关系式()
8、()()式中 为最大迭代次数。参数优化步骤如下:)初始化粒子群各个参数;)根据粒子适应度函数计算粒子的适应度值,调整粒子的个体最优位置和全局最优位置;)根据式()和式()更新粒子的位置和速度;)当达到最大迭代次数或达到预先设定的精度时,迭代终止,输出结果,否则返回步骤()继续计算直到满足终止条件。优化的算法流程如图所示。输出 SOH 估计及RUL 预测结果LSSVM 进行预测PSO 算法优化参数初始化粒子群参数输入等压降放电时间序列样本数据输出(c,滓)Y达到终止条件N更新粒子的位置和速度更新粒子个体最优位置和群体最优位置计算粒子适应值图 估计和预测流程预测估计性能评价及评价指标以平均绝对百分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 不同 温度 基于 PSO LSSVM 锂电池 SOH 估计 RUL 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。