基于增量学习相关向量机的锂离子电池SOC预测方法

摘要

针对锂离子电池荷电状态(SOC)预测精度不高以及在线适应性差的问题,提出一种改进的增量学习相关向量机模型对锂离子电池SOC进行在线预测.选择锂离子电池电压、充放电电流和表面温度作为模型的输入,SOC作为模型的输出,构造模型的训练集.选用快速序列稀疏贝叶斯学习算法进行训练,并结合增量学习法建立增量学习相关向量机模型进行锂离子电池SOC在线预测方法研究.研究发现,通过自动调整核参数的方法,可以保证有较高的预测精度.算法验证实验表明,核参数可以控制算法的预测精度和计算效率,该算法预测精度高、计算速度快、通用性强,可为锂离子电池SOC的预测与应用提供参考.